诱导多能干细胞(Induced Pluripotent Stem Cells,IPS)是一种通过引入外源基因诱导体细胞去分化得到的多能干细胞。诱导多能干细胞能进行体外细胞分化,培养出各种组织器官,为医学研究者提供体外的疾病模型,进而用于各种疑难病症的治疗。由于细胞数量庞大,分布密集,传统的细胞研究方式主要是通过人工观察,如何利用计算的计算性能优势,对干细胞的生长、增殖过程进行自动化辅助处理,节省宝贵的科研人力资源,帮助生物和医学相关研究者更好的对其进行研究,是当前一项重要的研究方向。本课题将计算机图像处理技术与机器学习相结合,基于相差显微镜下拍摄的干细胞图像序列,对图像分割、干细胞分裂检测、细胞运动检测等关键问题进行研究,并根据研究成果建立图像序列对应的细胞谱系图,直观反映细胞运动和增殖的过程。主要研究成果如下:1.基于相差显微镜图像恢复算法,将“亮”“暗”细胞的不同分割方法相结合,提出了改进的细胞分割算法。首先对细胞图像序列进行干扰信息去除、图像偏移修正等预处理,再利用改进算法进行细胞分割,并通过实验验证了改进算法的细胞分割性能。2.对多种细胞分裂检测方法进行了研究,针对现有方法在拍摄间隔较长(例如间隔时间30分钟)的图像序列上普遍存在的分裂检测遗漏率高的问题,应用了多模态融合的细胞分裂检测方法,与单一的检测算法相比,能较大程度的降低遗漏率。3.对基于多核组合的Mean-Shift细胞追踪算法进行了改进。应用多核组合Mean-Shift算法对拍摄间隔长的细胞图像序列进行追踪时,存在追踪丢失的问题;同时,由于细胞分布密集,容易发生误追踪现象。针对以上两点:1),提出目标丢失检测算法,利用椭圆特征匹配进行目标重定位,并引入kalman滤波器进行位置预测;2)提出核权重自适应算法,使追踪在细胞稀疏和密集时都能取得较好的追踪效果。实验证明,改进后的方法相对于原始方法有更高的正确率,能更有效的找到细胞运动序列。4.提出一种细胞分割和运动追踪相结合的细胞谱系图生成方法。对于拍摄间隔较长的细胞图像序列,分裂检测结果往往可靠性低,导致基于分裂检测数据生成的细胞谱系图正确率较低。本文提出的生成方法将细胞分割和运动追踪相结合,不再依赖分裂检测,能显著提高正确率。并构建了细胞谱系可视化框架,直观展示细胞生长增殖状态随时间变化的过程,有助于干细胞研究工作的进行。