專利名稱：蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種細(xì)胞運(yùn)動(dòng)分析方法，具體地說(shuō)是一種采用拓?fù)浼s束與蜂窩區(qū)域劃分相結(jié)合，且用多幀及原圖反饋對(duì)結(jié)果進(jìn)行修正的細(xì)胞追蹤方法。
背景技術(shù)：
細(xì)胞運(yùn)動(dòng)分析通常是對(duì)目標(biāo)細(xì)胞進(jìn)行追蹤，得到細(xì)胞的運(yùn)動(dòng)速度、位移、軌跡等信息，在細(xì)胞行為、藥物和疾病的研究中是至關(guān)重要的。我們對(duì)一個(gè)目標(biāo)細(xì)胞進(jìn)行詳細(xì)和準(zhǔn)確的追蹤，特別是對(duì)大量細(xì)胞進(jìn)行追蹤時(shí)，要盡量避免其他細(xì)胞的干擾，這是細(xì)胞追蹤的難點(diǎn)，也是近些年細(xì)胞追蹤的研究熱點(diǎn)。目前較為成熟的先進(jìn)細(xì)胞追蹤算法有水平集算法(levelset)、主動(dòng)輪廓法 (active contour)、均值移動(dòng)法(Mean Shift)和拓?fù)浼s束法等。近年來(lái),在這些較為成熟的追蹤算法的基礎(chǔ)上結(jié)合了卡爾曼濾波器、貝葉斯準(zhǔn)則和整數(shù)規(guī)劃等方法，取其各種方法的優(yōu)點(diǎn)對(duì)細(xì)胞進(jìn)行追蹤，但都未對(duì)追蹤結(jié)果和分割錯(cuò)誤進(jìn)行修正。其中拓?fù)浼s束算法是近幾年提出的一種新的追蹤效果較好的細(xì)胞追蹤方法，該方法能夠有效的追蹤高密度細(xì)胞圖像序列，且對(duì)于細(xì)胞的形變不敏感。但該追蹤方法對(duì)于含有稀疏細(xì)胞的圖像區(qū)域和特殊細(xì)胞處理能力不強(qiáng)，以及對(duì)細(xì)胞圖像分割效果依賴性較強(qiáng)。Li (Kang Li, Mei Chen, Takeo Kanade, Cell population tracking and lineage construction with spatiotemporal context, in Proc. 10th International Conference on Medical Image Computing and Computer Assisted Intervent ion (MICCAI) 2007 :295302.)等人提出了多模塊追蹤系統(tǒng), 此方法綜合了多模塊的細(xì)胞信息，取其各個(gè)模塊的優(yōu)勢(shì)進(jìn)行裁判，避免了單一方法導(dǎo)致的追蹤失敗，但此方法不能修正分割錯(cuò)誤，而且只是利用相鄰幀間各模塊的信息融合糾正追蹤錯(cuò)誤。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠降低對(duì)分割效果的依賴性，且能實(shí)現(xiàn)較高準(zhǔn)確率的細(xì)胞追蹤方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的首先將細(xì)胞序列圖像進(jìn)行分割，然后用區(qū)域重疊法追蹤惰性細(xì)胞，再把每幀圖像進(jìn)行蜂窩劃分，建立蜂窩信息存儲(chǔ)中心；再應(yīng)用引入Delaunay三角網(wǎng)的拓?fù)浼s束算法結(jié)合蜂窩區(qū)域?qū)?xì)胞進(jìn)行匹配，并將細(xì)胞匹配結(jié)果存入暫存軌跡中，之后對(duì)暫存軌跡中的細(xì)胞進(jìn)行類型判別，再對(duì)已分類的細(xì)胞利用多幀及原圖反饋法進(jìn)行修正；最后更新蜂窩信息存儲(chǔ)中心及細(xì)胞內(nèi)部的存貯信息，輸出結(jié)果。所述的蜂窩劃分是把圖像序列的每一幀圖像都按照統(tǒng)一的標(biāo)準(zhǔn)劃分成N個(gè)正六邊形蜂窩狀網(wǎng)格，每個(gè)蜂窩都有自己的信息中心小取決于序列圖像中的細(xì)胞尺寸和分布情況。所述的拓?fù)浼s束算法結(jié)合蜂窩區(qū)域?qū)?xì)胞進(jìn)行匹配是首先采用Delaunay三角網(wǎng)來(lái)創(chuàng)建細(xì)胞鄰域圖；然后以蜂窩為單元進(jìn)行細(xì)胞匹配，按蜂窩號(hào)次序進(jìn)行區(qū)域搜索，當(dāng)搜索 k幀N號(hào)蜂窩時(shí)，蜂窩信息中心cellular (k，N)提供此蜂窩內(nèi)新出現(xiàn)的細(xì)胞作為待匹配細(xì)胞，若此蜂窩內(nèi)無(wú)新出現(xiàn)的細(xì)胞則跳轉(zhuǎn)下一個(gè)蜂窩繼續(xù)搜索新出現(xiàn)的細(xì)胞，若存在待匹配細(xì)胞，則在此蜂窩及其鄰居蜂窩內(nèi)搜索丟失細(xì)胞作為候選細(xì)胞；最后再根據(jù)拓?fù)浼s束條件建立待匹配細(xì)胞與候選細(xì)胞的相似度函數(shù)Q，將具有最大Q值的細(xì)胞對(duì)存入軌跡暫存中。所述的暫存軌跡是按行存貯，分別存入k-Ι幀中最佳匹配細(xì)胞的ID號(hào)、k幀的待匹配細(xì)胞標(biāo)號(hào)和二者之間的相似度值；若無(wú)候選細(xì)胞的待匹配細(xì)胞，則直接存入軌跡暫存中的第二列，其余兩列為零；匹配后將所有蜂窩內(nèi)未與新細(xì)胞匹配上的丟失細(xì)胞存入暫存軌跡中第一列，其余列為零。所述的對(duì)暫存軌跡中的細(xì)胞的類型進(jìn)行判別是根據(jù)軌跡暫存中細(xì)胞的存儲(chǔ)形式的不同進(jìn)行判別，若軌跡暫存待處理行的存儲(chǔ)形式滿足三列都非零時(shí)，直接將此行存儲(chǔ)的細(xì)胞信息存入矩陣R(·)中；若軌跡暫存待處理行的存儲(chǔ)形式滿足第一列非零，其余列為零時(shí)，首先根據(jù)它的面積，長(zhǎng)徑，方位角和距離來(lái)判別是否發(fā)生細(xì)胞粘連，然后判斷此細(xì)胞是否在非邊界蜂窩內(nèi)，是則認(rèn)為細(xì)胞丟失，最后判斷此細(xì)胞是否移出圖像，若非移出圖像則判別為丟失；若軌跡暫存中有其它行與待處理行的第一列相同時(shí)，判別細(xì)胞是否分裂，若未分裂則選Q值最大的為最佳匹配細(xì)胞對(duì)；若軌跡暫存待處理行的存儲(chǔ)形式滿足第二列非零， 其余列為零時(shí)，首先與disappear和moveout矩陣中的細(xì)胞進(jìn)行最大相似度值匹配,若未匹配成功則依次判斷此細(xì)胞是否為分裂細(xì)胞、是否在邊界蜂窩、是否為過(guò)分割細(xì)胞。所述的蜂窩劃分的多幀及原圖反饋法的細(xì)胞追蹤方法的特征中，其中所述的細(xì)胞的分類修正中多幀間反饋及原圖反饋的方法步驟如下(I)、多幀反饋模仿人類視覺(jué)綜合多幀信息對(duì)疑難目標(biāo)進(jìn)行判斷，首先在每個(gè)模塊查找此方法的插入點(diǎn)，然后確定反饋的幀數(shù)，再按照可能存在的錯(cuò)誤情況進(jìn)行查找，查出錯(cuò)誤后修正，最后更新信息，具體步驟如下①在七個(gè)子模塊中，當(dāng)模塊修正過(guò)程中發(fā)現(xiàn)異常細(xì)胞，即當(dāng)前幀不能處理的細(xì)胞， 需要反饋到其它幀提取信息時(shí)，引入多幀反饋方法；②當(dāng)模塊已人為的設(shè)定反饋的幀數(shù)時(shí)，只需要從反饋的幀中提取所需要的細(xì)胞信③若反饋幀數(shù)不確定，即從當(dāng)前幀k開(kāi)始，向幀號(hào)減小的方向，逐幀使用原圖反饋法確認(rèn)所要修正的細(xì)胞是否在原灰度圖中是真實(shí)存在，直到是真實(shí)存在的細(xì)胞停止，此時(shí)幀號(hào)為m，則反饋的幀數(shù)為k-m ；④確定反饋幀數(shù)后，根據(jù)模塊類型特點(diǎn)的不同，每個(gè)模塊的出錯(cuò)情況不同，按照模塊的出錯(cuò)情況依次排查，果如是此模塊的一個(gè)出錯(cuò)情況，則進(jìn)行相應(yīng)的修正處理；⑤修正完畢后，要將m至k幀的每幀修正過(guò)的細(xì)胞信息及時(shí)更新。(2)、原圖反饋從原始灰度圖中自動(dòng)提取要處理的細(xì)胞，然后根據(jù)掃描到的細(xì)胞邊緣灰度值的突變次數(shù)判斷該處細(xì)胞個(gè)數(shù)，具體步驟如下①先將切割圖I的直方圖均衡化得到圖像L ；②將L用canny算法提取輪廓線BW ；③畫出圖像L以細(xì)胞重心為中點(diǎn)的十字線上的灰度值曲線；④畫出BW以細(xì)胞重心為中點(diǎn)的十字線上的二值曲線；
⑤計(jì)算灰度值曲線的波谷點(diǎn)個(gè)數(shù)，X和y方向分別為numl, num2,二值曲線的波峰點(diǎn)個(gè)數(shù)，X和y方向分別為Numl, Num2 ；
⑥根據(jù)波谷點(diǎn)和波峰點(diǎn)的個(gè)數(shù)來(lái)判斷細(xì)胞個(gè)數(shù)。
本發(fā)明的方法的主要特點(diǎn)如下
在拓?fù)浼s束追蹤算法的基礎(chǔ)上利用蜂窩模型具有無(wú)縫覆蓋、無(wú)重疊的優(yōu)點(diǎn)，既無(wú)遺漏也無(wú)重復(fù)的將整個(gè)圖像區(qū)域化,并引用Delaunay三角網(wǎng)的全局性構(gòu)建鄰域圖，整體與局部相結(jié)合以解決細(xì)胞分布疏密不均的問(wèn)題。再針對(duì)特殊類型細(xì)胞，模仿人類視覺(jué)綜合多幀信息對(duì)疑難目標(biāo)進(jìn)行判斷，首次提出多幀反饋及原圖反饋法對(duì)匹配結(jié)果和分割錯(cuò)誤進(jìn)行修正，從而進(jìn)一步提高細(xì)胞追蹤系統(tǒng)的準(zhǔn)確率。
利用本發(fā)明的追蹤方法對(duì)三組細(xì)胞圖像序列進(jìn)行追蹤。三組序列都是由光學(xué)顯微鏡成像的未經(jīng)染色的神經(jīng)干細(xì)胞圖像序列，序列I像素為250*250，共100幀，序列II像素為301*371共90幀，序列III像素為127*127共70幀。對(duì)其追蹤的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果分別如表I、表2和表3所列。
表I圖像序列I的追蹤結(jié)
權(quán)利要求
1.一種蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法，其特征是首先將細(xì)胞序列圖像進(jìn)行分割，然后用區(qū)域重疊法追蹤惰性細(xì)胞，再把每幀圖像進(jìn)行蜂窩劃分，建立蜂窩信息存儲(chǔ)中心；再應(yīng)用引入Delaunay三角網(wǎng)的拓?fù)浼s束算法結(jié)合蜂窩區(qū)域?qū)?xì)胞進(jìn)行匹配， 并將細(xì)胞匹配結(jié)果存入暫存軌跡中，之后對(duì)暫存軌跡中的細(xì)胞進(jìn)行類型判別，再對(duì)已分類的細(xì)胞利用多幀及原圖反饋法進(jìn)行修正；最后更新蜂窩信息存儲(chǔ)中心及細(xì)胞內(nèi)部的存貯信息，輸出結(jié)果。
2.根據(jù)權(quán)利要求I所述的蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法，其特征在于所述的蜂窩劃分是把圖像序列的每一幀圖像都按照統(tǒng)一的標(biāo)準(zhǔn)劃分成N個(gè)正六邊形蜂窩狀網(wǎng)格，每個(gè)蜂窩都有自己的信息中心#取決于序列圖像中的細(xì)胞尺寸和分布情況。
3.根據(jù)權(quán)利要求2所述的蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法，其特征在于所述的拓?fù)浼s束算法結(jié)合蜂窩區(qū)域?qū)?xì)胞進(jìn)行匹配是首先采用Delaunay三角網(wǎng)來(lái)創(chuàng)建細(xì)胞鄰域圖；然后以蜂窩為單元進(jìn)行細(xì)胞匹配，按蜂窩號(hào)次序進(jìn)行區(qū)域搜索，當(dāng)搜索k幀N 號(hào)蜂窩時(shí)，蜂窩信息中心cellular(k，N)提供此蜂窩內(nèi)新出現(xiàn)的細(xì)胞作為待匹配細(xì)胞，若此蜂窩內(nèi)無(wú)新出現(xiàn)的細(xì)胞則跳轉(zhuǎn)下一個(gè)蜂窩繼續(xù)搜索新出現(xiàn)的細(xì)胞，若存在待匹配細(xì)胞， 則在此蜂窩及其鄰居蜂窩內(nèi)搜索丟失細(xì)胞作為候選細(xì)胞；最后再根據(jù)拓?fù)浼s束條件建立待匹配細(xì)胞與候選細(xì)胞的相似度函數(shù)Q，將具有最大Q值的細(xì)胞對(duì)存入軌跡暫存中。
4.根據(jù)權(quán)利要求3所述的蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法，其特征在于所述的暫存軌跡是按行存貯，分別存入k-Ι幀中最佳匹配細(xì)胞的ID號(hào)、k幀的待匹配細(xì)胞標(biāo)號(hào)和二者之間的相似度值；若無(wú)候選細(xì)胞的待匹配細(xì)胞，則直接存入軌跡暫存中的第二列，其余兩列為零；匹配后將所有蜂窩內(nèi)未與新細(xì)胞匹配上的丟失細(xì)胞存入暫存軌跡中第一列，其余列為零。
5.根據(jù)權(quán)利要求4所述的蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法，其特征在于所述的對(duì)暫存軌跡中的細(xì)胞的類型進(jìn)行判別是根據(jù)軌跡暫存中細(xì)胞的存儲(chǔ)形式的不同進(jìn)行判別，若軌跡暫存待處理行的存儲(chǔ)形式滿足三列都非零時(shí)，直接將此行存儲(chǔ)的細(xì)胞信息存入矩陣R( ·)中；若軌跡暫存待處理行的存儲(chǔ)形式滿足第一列非零，其余列為零時(shí)，首先根據(jù)它的面積，長(zhǎng)徑，方位角和距離來(lái)判別是否發(fā)生細(xì)胞粘連，然后判斷此細(xì)胞是否在非邊界蜂窩內(nèi)，是則認(rèn)為細(xì)胞丟失，最后判斷此細(xì)胞是否移出圖像，若非移出圖像則判別為丟失；若軌跡暫存中有其它行與待處理行的第一列相同時(shí)，判別細(xì)胞是否分裂，若未分裂則選最大的Q值為最佳匹配細(xì)胞對(duì)；若軌跡暫存待處理行的存儲(chǔ)形式滿足第二列非零，其余列為零時(shí)，首先與disappear和moveout矩陣中的細(xì)胞進(jìn)行最大相似度值匹配,若未匹配成功則依次判斷此細(xì)胞是否為分裂細(xì)胞、是否在邊界蜂窩、是否為過(guò)分割細(xì)胞。
6.根據(jù)權(quán)利要求5所述的蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法，其特征在于所述的對(duì)已分類的細(xì)胞利用多幀及原圖反饋法進(jìn)行修的方法如下(I)、多幀反饋模仿人類視覺(jué)綜合多幀信息對(duì)疑難目標(biāo)進(jìn)行判斷，首先在每個(gè)模塊查找此方法的插入點(diǎn)，然后確定反饋的幀數(shù)，再按照可能存在的錯(cuò)誤情況進(jìn)行查找，查出錯(cuò)誤后修正，最后更新信息，具體步驟如下①在七個(gè)子模塊中，當(dāng)模塊修正過(guò)程中發(fā)現(xiàn)異常細(xì)胞，即當(dāng)前幀不能處理的細(xì)胞，需要反饋到其它幀提取信息時(shí)，引入多幀反饋方法；②當(dāng)模塊已人為的設(shè)定反饋的幀數(shù)時(shí)，只需要從反饋的幀中提取所需要的細(xì)胞信息③若反饋幀數(shù)不確定，即從當(dāng)前幀k開(kāi)始，向幀號(hào)減小的方向，逐幀使用原圖反饋法確認(rèn)所要修正的細(xì)胞是否在原灰度圖中是真實(shí)存在，直到是真實(shí)存在的細(xì)胞停止，此時(shí)幀號(hào)為m,則反饋的巾貞數(shù)為k-m ；④確定反饋幀數(shù)后，根據(jù)模塊類型特點(diǎn)的不同，每個(gè)模塊的出錯(cuò)情況不同，按照模塊的出錯(cuò)情況依次排查，果如是此模塊的一個(gè)出錯(cuò)情況，則進(jìn)行相應(yīng)的修正處理；⑤修正完畢后，要將m至k幀的每幀修正過(guò)的細(xì)胞信息及時(shí)更新；(2)、原圖反饋從原始灰度圖中自動(dòng)提取要處理的細(xì)胞，然后根據(jù)掃描到的細(xì)胞邊緣灰度值的突變次數(shù)判斷該處細(xì)胞個(gè)數(shù)，具體步驟如下①先將切割圖I的直方圖均衡化得到圖像L；②將L用canny算法提取輪廓線BW；③畫出圖像L以細(xì)胞重心為中點(diǎn)的十字線上的灰度值曲線；④畫出BW以細(xì)胞重心為中點(diǎn)的十字線上的二值曲線；⑤計(jì)算灰度值曲線的波谷點(diǎn)個(gè)數(shù)，X和y方向分別為numl,num2, 二值曲線的波峰點(diǎn)個(gè)數(shù)，X和y方向分別為Numl, Num2 ；⑥根據(jù)波谷點(diǎn)和波峰點(diǎn)的個(gè)數(shù)來(lái)判斷細(xì)胞個(gè)數(shù)。
全文摘要
本發(fā)明提供的是一種蜂窩劃分的多幀及原圖反饋修正的細(xì)胞追蹤方法。首先將細(xì)胞序列圖像進(jìn)行分割，然后用區(qū)域重疊法追蹤惰性細(xì)胞，再把每幀圖像進(jìn)行蜂窩劃分，建立蜂窩信息存儲(chǔ)中心；再應(yīng)用引入Delaunay三角網(wǎng)的拓?fù)浼s束算法結(jié)合蜂窩區(qū)域?qū)?xì)胞進(jìn)行匹配，并將細(xì)胞匹配結(jié)果存入暫存軌跡中，之后對(duì)暫存軌跡中的細(xì)胞進(jìn)行類型判別，再對(duì)已分類的細(xì)胞利用多幀及原圖反饋法進(jìn)行修正；最后更新蜂窩信息存儲(chǔ)中心及細(xì)胞內(nèi)部的存貯信息，輸出結(jié)果。本發(fā)明提出多幀反饋及原圖反饋法對(duì)匹配結(jié)果和分割錯(cuò)誤進(jìn)行修正，從而進(jìn)一步提高細(xì)胞追蹤系統(tǒng)的準(zhǔn)確率同時(shí)能實(shí)現(xiàn)較高效率的細(xì)胞追蹤方法。
文檔編號(hào)G06T7/20GK102609955SQ20121000527
公開(kāi)日2012年7月25日 申請(qǐng)日期2012年1月10日 優(yōu)先權(quán)日2012年1月10日
發(fā)明者寧燕博, 崔穎, 廖艷萍, 湯春明, 陳立偉 申請(qǐng)人:哈爾濱工程大學(xué)