基于图像分割的细胞检测与跟踪算法研究

论文摘要

显微图像中的细胞跟踪是医学图像处理中的一个重要研究领域,通过对细胞的跟踪与监测,研究者可以了解生物体的微观状态变化,从而进行疾病的预测、诊断和治疗。人工观测细胞是一项非常耗时耗力的工作,使用计算机视觉技术进行自动化的细胞跟踪,能够有效提升工作效率。与普通的目标跟踪算法不同,细胞跟踪算法在追踪细胞运动轨迹的同时,还要兼顾细胞的生长、增殖和凋亡等事件的检测,并标记细胞之间的代际关系,这是本课题的研究难点。目前的细胞跟踪算法难以兼顾跟踪的实时性和准确性,为了提升实时细胞跟踪系统中细胞跟踪和增殖凋亡检测的准确率,本文设计了一个基于检测的细胞跟踪算法,该算法包括检测器和跟踪器两部分,检测器由图像分割模块和特征提取模块组成,跟踪器由数据关联模块、异常匹配处理模块和预测目标校验模块组成。在检测器中,图像分割模块通过图像二值化将每个细胞分割为不同的连通域输入到特征提取模块,特征提取模块通过连通域处理算法提取每一个细胞的位置、面积、形状、颜色等初级特征,通过卷积神经网络学习每个细胞的高级特征并生成增殖凋亡分类模型。在跟踪器中,数据关联模块依据特征提取模块提取的细胞初级特征进行相邻帧之间的目标匹配,如果发生了异常匹配,异常匹配处理模块将依据特征提取模块和数据关联模块生成的细胞信息,判断异常匹配的类型。出现异常匹配的原因主要包括发生细胞增殖或凋亡、细胞进入或离开视野以及细胞漏报或误报事件。预测目标校验模块通过回溯跟踪数据,对数据关联模块和异常匹配处理模块的跟踪结果进行验证,并修正跟踪数据。各个模块之间相互配合,交互运行,组成了一个鲁棒性较高的细胞跟踪系统。本文在异常匹配处理模块中设计了一个全新的目标预测算法,能够对检测器漏检的细胞进行信息预测,减少了目标丢失的数量,提升了目标匹配的准确率。在预测目标校验模块和异常匹配处理模块,本文将细胞的时空上下文信息与细胞增殖凋亡分类模型相结合,提升了增殖凋亡检测的准确率。与其他细胞跟踪算法相比,本文设计的算法既实现了实时的细胞跟踪,又得到了更加稳定的跟踪轨迹和更加准确的细胞谱系。

论文目录

摘要

ABSTRACT

第1章绪论

1.1 课题背景及研究的目的和意义

1.2 细胞跟踪的研究和发展现状

1.3 本课题的技术难点

1.4 本文的程序框架

1.5 本文的主要研究内容

第2章图像分割模块

2.1 引言

2.2 基于MSER和 MPCS的细胞分割方案

2.2.1 基于MSER算法的细胞分割效果

2.2.2 基于MPCS算法的细胞分割效果

2.2.3 分割算法的改进方案

2.3 基于U-Net的分割方案

2.3.1 U-Net的基本概念

2.3.2 U-Net模型训练方案的改进

2.4 分割性能验证

2.4.1 主要分割指标

2.4.2 实验结果与分析

2.5 本章小结

第3章特征提取模块

3.1 引言

3.2 连通域处理模块

3.2.1 连通域位置信息提取

3.2.2 单个目标的灰度直方图提取

3.3 增殖凋亡分类器训练模块

3.3.1 细胞的增殖和凋亡特征

3.3.2 基于LeNet-5 的样本训练

3.3.3 细胞增殖凋亡检测的实验结果及分析

3.4 本章小结

第4章跟踪器设计

4.1 引言

4.2 数据关联模块

4.2.1 目标之间的成本函数

4.2.2 关联矩阵的建立和求解

4.3 异常匹配处理模块

4.3.1 丢失细胞处理模块

4.3.2 新增blob处理模块

4.4 预测目标校验模块

4.5 本章小结

第5章算法验证与分析

5.1 跟踪数据生成

5.1.1 轨迹编号分配

5.1.2 跟踪数据输出

5.2 跟踪指标评价

5.3 实验结果与分析

5.4 本章小结

结论

参考文献

致谢

文章来源

类型: 硕士论文

作者: 奚文娟

导师: 王非

关键词: 图像分割,数据关联,细胞检测,细胞跟踪,机器学习

来源: 哈尔滨工业大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,生物医学工程,计算机软件及计算机应用

单位: 哈尔滨工业大学

分类号: R318;TP391.41

DOI: 10.27061/d.cnki.ghgdu.2019.002110

总页数: 76

文件大小: 2454K

下载量: 90

基于图像分割的细胞检测与跟踪算法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢