对活细胞内的亚细胞结构,如微管、囊泡等的动态活动特征进行定量分析,对于理解细胞的生物学规律至关重要。随着光学与计算机技术的快速发展,先进的荧光显微成像技术使得特异性标记细胞内的特定结构和动态观测细胞中的生命活动成为可能。在获取大量包含丰富生物医学信息的时序图像的同时,我们也面临着如何高效准确地处理这些数据并从中提取出有效信息的新挑战。受显微图像信噪比、时空分辨率参差等因素的限制,传统的图像处理和分析算法往往难以取得理想的效果。近年来,许多研究者将深度学习应用于显微图像的分类、分割、目标追踪和重建等多项任务中,并取得了良好的效果。本硕士学位论文以荧光显微图像中的亚细胞结构（细胞内囊泡、微管）为研究对象,利用深度学习的方法开发了亚细胞结构识别与追踪算法,实现了细胞内囊泡、微管生长尖端的识别、追踪以及动态特性定量分析。本论文研究的主要内容与创新性的成果总结如下:1.亚细胞结构识别与追踪数据集的建立利用活细胞荧光显微成像技术采集了囊泡、微管生长尖端等多种亚细胞结构的时间图像序列,并对获取的图像进行预处理、人工标注以及数据集扩增,构建了可用于囊泡和微管生长尖端识别与追踪任务模型训练和测试的真实数据集;建立囊泡和微管生长尖端的计算机模拟数据集生成的方法,获得了与真实数据相近的金标准数据,降低了真实数据的需求量。2.基于U-Net的囊泡及微管生长尖端识别与追踪方法基于U-Net设计了囊泡识别定位与运动状态分类的算法,识别定位准确率在真实数据集达94%,优于特征点检测;运动状态分类可用于辅助进行追踪中的目标关联任务,结合不同目标关联算法,将关联准确率提升至90%以上;设计了微管生长尖端定位与定向算法,定向结果可辅助扇形追踪器的轨迹连接;根据微管生长尖端的分布和运动特征,分析并比较了不同目标关联算法的性能,基于运动规律的关联比基于坐标的关联更适用。3.囊泡与微管生长尖端动态特性定量分析及其生理学应用探究根据提出的囊泡和微管生长尖端识别与追踪算法的追踪结果,定义了数项可定量评估其动态特性的指标,在模拟数据集中检验了算法的准确率,各项数据相对误差低于10%;设计生理实验,通过温度变化和药物处理等实验条件,验证了所定义动态指标和算法的生物医学应用价值。4.亚细胞结构识别与追踪算法软件开发为本研究提出的算法设计用户交互界面,将数据生成、数据预处理、模型训练、囊泡识别与追踪等功能集成为应用程序,提升算法的交互性、可用性和集成性。综上,本论文利用深度学习的方法实现了荧光显微图像序列中囊泡和微管生长尖端的识别与追踪,并可进一步对其动态特性进行定量分析。此方法未来可应用于细胞药物筛选或有关疾病的细胞机理探索,对生物医学的研究将发挥重要作用。