论文部分内容阅读
循环肿瘤细胞与肿瘤有着十分密切的关系,同时也是肿瘤良恶性程度判定和术后治疗的重要依据。因此非侵入性地对小鼠体内的循环细胞群进行计数在生物医学工程研究的许多领域都有非常重要的意义。在体图像流式细胞仪是一种新兴的在体检测技术,能够对细胞进行实时监测、动态监控并且具有无创的特征。通过对出现的细胞进行分析可以观测到循环血流中肿瘤细胞和树突状细胞的运动状态和变化情况。在本文的工作中,主要描述了一种新搭建的荧光成像系统、基于背景建模的细胞识别算法和基于滤波的血管图像分割算法,并对分割后的红色通道和绿色通道的细胞进行共定位等数据分析。该成像系统结合双光子显微镜等光学成像技术对小鼠体内的血管和细胞进行动态监控。在体流式细胞仪(in vivo flow cytometry,IVFC)双通道系统可以捕获到循环肿瘤细胞(circulating tumor cell,CTC)和树突状免疫细胞(dendritic cell,DC)两种目标细胞,其中绿色信号代表的是CTC;红色通道代表635 nm通道检测到的DiD信号,代表DC。以检测到的目标细胞运动数据作为本文算法的验证数据,用来识别出出现的CTC和DC,以及两种目标细胞之间的关系以及目标细胞与血管壁之间的存在关系。本文的工作主要是通过开发一种自动化的计算机视觉算法来识别和追踪荧光细胞,同时进行细胞计数和分割的工作。本文主要的细胞识别分为两大部分:第一部分是利用Codebook(CB)算法对视频图像进行背景建模从而识别运动的荧光细胞;该背景建模过程是一个统计的过程,对长时间内呈现运动的像素点上的背景进行采样,并且将采样值存入CB中,从而可以获取视频图像每个像素点的时间采样序列,随后设定阈值判断其属于目标细胞区域还是背景信息。第二部分内容是应用根据细胞的运动状态确定搜索范围的微小荧光细胞的识别算法;该算法首先需要在第一帧给出目标细胞的初始像素点,然后以圆形搜索区域在当前帧搜索可以被确定为前景信息的像素区域。然后根据细胞的运动速度和运动状态确定类锥形搜索区域在图像帧与帧之间进行连接相邻两段细胞运动轨迹。基于滤波的的血管图像分割算法主要是通过对图像进行预处理之后,将显微图像的R通道信息减去G通道的信息所得到的差值作为滤波算法的输入,提取出视频图像中血管的边界信息。通过采集到的实验数据对算法进行验证,本硕士课题所提出的基于CB的背景建模算法可以很好的对双通道的细胞进行实时识别、追踪和计数。该算法不仅可以得到较好的结果,而且不需要手动给定初始值,对于生物领域的研究者来说是很好的研究工具。