论文部分内容阅读
细胞研究在生物学和医学等相关领域具有相当重要的地位。通过对细胞图像数据的分析可以观察到复杂的细胞表型变化和细胞的动态行为,揭示隐含的生命规律,从而能够极大地促进生物医学的发展。细胞追踪作为细胞研究中重要的组成部分之一,成为了近些年的研究热点与难点。拓扑约束算法是近几年提出的一种新的细胞追踪方法,该方法能够有效的追踪高密度细胞图像序列,且对于细胞的形变不敏感。但对于含有稀疏细胞的图像区域和细胞粘连、分裂、移入和移出等这些类特殊细胞处理能力不强,以及对细胞图像分割效果依赖性较强。针对这些问题,本文方法将蜂窝模型和Delaunay三角网应用到拓扑约束算法中,并首次提出多帧及原图反馈修正法,建立了一个多模块追踪系统。该追踪系统首先利用区域重叠法对惰性细胞进行追踪,为拓扑约束提供初始发点。然后将图像序列进行蜂窝区域划分,并建立蜂窝信息存储中心,为全序列细胞轨迹信息进行更快更准确的提取、传递、匹配和修正提供细胞信息和搜索范围。再将Delaunay三角网应用到拓扑约束算法中构建细胞邻域图,实现细胞匹配并将匹配结果存入轨迹暂存中。之后将轨迹暂存中的细胞进行类型判别,然后进行轨迹修正。轨迹修正部分把细胞共分为欠分割、过分割、粘连、分裂、移入、移出和未处理细胞七大类,再分别按照细胞类型特点利用多帧及原图反馈对匹配结果和分割错误进行修正。最后更新蜂窝信息存储中心及细胞信息存储中心。本文方法应用Delaunay三角网的全局性构建细胞邻域图,并利用蜂窝模型具有无缝覆盖、无重叠的优点,既无遗漏也无重叠的将整个图像区域化,整体与局部相结合以解决细胞分布疏密不均的问题。再应用多帧及原图反馈法对匹配结果和分割错误进行修正,来解决对特殊细胞处理能力不强以及对细胞图像分割效果依赖性较强的问题。利用本文方法对三个图像序列进行测试。实验结果表明,本方法能够有效追踪细胞分布疏密不均、团簇问题严重及细胞于帧间游动速度快的图像序列,不但大幅度地修正了分割错误以降低追踪对分割的依赖性,而且拓宽了拓扑约束法的适用性,最终使追踪准确率有了大幅度地提高。