Mean Shift结合拓扑约束法进行高密度细胞追踪

论文摘要

在细胞学研究领域,细胞运动分析一直是其重要的研究方向,而对细胞运动进行分析,首先就要对细胞的运动轨迹进行有效的追踪。在神经干细胞的研究中,由于神经干细胞是一类尚未分化的母细胞,能够通过不对等的分裂方式产生各类神经组织,对神经系统疾病以及肿瘤的治疗有着积极的作用。研究神经干细胞的分裂、演化的规律,是当前生物医学工程领域的一个研究热点。在高密度神经干细胞的研究中,利用人工追踪细胞轨迹的方法,由于其费时大,易于产生错误,已经逐步被利用计算机对图像进行处理的方法所替代。因此,当前的细胞研究需要一种能够对高密度细胞图像进行自动追踪的系统。本文以高密度细胞追踪作为研究方向,针对不同图像序列的成像特点,采用了不同的分割方法,为细胞的全自动追踪奠定基础。在细胞追踪部分,根据高密度细胞图像中细胞运动的特点,将细胞分为惰性细胞和活跃细胞。由于Mean Shift算法对于活跃细胞的追踪效果不理想,本文采用了拓扑约束的方法对其追踪。在高密度细胞追踪过程中针对由于细胞密集导致追踪错误的问题,本文在原有拓扑约束条件的基础上,进一步引入了周长差等新的条件,强化了拓扑约束方法对活跃细胞的追踪作用。另外,对细胞追踪中容易出现的细胞丢失、新细胞的出现等情况给出了相应的解决方法。最后,分别利用两组图像序列共150帧对本文方法进行了测试,实验结果表明本文的方法分别较Mean Shift算法和拓扑约束方法提高4%～17%和2%～7%的准确率,能够更加有效的实现对高密度细胞图像的追踪。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 细胞追踪的研究意义
• 1.2 细胞追踪的主要方式
• 1.3 追踪算法的研究进展
• 1.4 细胞追踪算法的研究进展
• 1.5 本文的研究目的和主要内容
• 1.5.1 研究目的
• 1.5.2 主要内容
• 第2章 图像序列的分割
• 2.1 细胞图像分割的难点
• 2.2 细胞图像计算机处理技术
• 2.2.1 图像增强技术
• 2.2.2 Otsu方法原理
• 2.3 细胞序列图像分割的方法和步骤
• 2.3.1 荧光染色图像序列的分割
• 2.3.2 灰度图像序列的分割
• 2.4 本章小结
• 第3章 Mean Shift算法概述
• 3.1 无参密度估计理论
• 3.2 Mean Shift理论
• 3.2.1 多维空间下的无参密度估计
• 3.2.2 Mean Shift向量
• 3.2.3 算法的收敛性证明
• 3.3 核函数带宽对Mean Shift算法的影响
• 3.4 本章小结
• 第4章 基于拓扑约束的细胞追踪
• 4.1 图论的基本概念
• 4.1.1 图的定义
• 4.1.2 有向图
• 4.1.3 连通性
• 4.1.4 网络流算法
• 4.2 细胞图像的图模型描述
• 4.3 本章小结
• 第5章 Mean Shift结合拓扑约束法在高密度细胞追踪中的应用
• 5.1 高密度细胞运动特征
• 5.2 Mean Shift追踪惰性细胞
• 5.3 Mean Shift在追踪快速移动目标时的不足
• 5.4 改进的拓扑约束法追踪活跃细胞
• 5.5 追踪过程中的其他情况
• 5.6 实验内容及仿真结果
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士期间发表的论文和取得的科研成果
• 致谢