[发明专利]一种基于PSO的多细胞位置轮廓同步精确跟踪系统

说明书

技术领域

本发明提供了一种基于PSO的多细胞位置与轮廓同步精确跟踪系统，属于细胞跟踪领域。

背景技术

细胞是生命活动的基本单位，是许多生物学过程中主要的表现者，对于任何有机生命的胚胎发育、进化和生命维持，细胞的增殖、分化与迁移都是必不可少的环节。因此，对细胞行为分析的研究在很多领域都是非常有价值的，包括干细胞研究、组织工程学、药物开发、基因学和蛋白质组学等。例如，在发生炎症的早期，白细胞会在毛细血管后微静脉的内表面滚动，其滚动速度能反映炎症反应的强度，揭露这些过程中的细胞机理有助于炎症机制的理解和炎症治疗药物的开发。对细胞行为的传统分析方法是由专业人员观测的人工方法或交互计算机辅助的半人工方法。当大量细胞需要在长时间中被跟踪到时，此类方法需要大量的用户交互的图像处理工作，过程是很枯燥且费时的。此外，这类方法很有可能引入用户偏见和丢失重要信息，所以，开发一种精确的方法来自动地跟踪细胞是非常重要和有意义的。在过去的几十年里，随着数据处理和计算机视觉技术的迅速发展，开发出了许多细胞自动跟踪方法。

在细胞跟踪领域，实现跟踪方法的自动化与精确性面临着许多挑战，主要来自两个方面的因素，即细胞因素和图像因素。细胞因素是指那些发生在细胞生命周期内的复杂情况和多个细胞间的交互情况，例如由于细胞的分裂和死亡或者细胞进入或离开图像区域造成细胞数量的变化，细胞形状变化、近邻和重叠等复杂的细胞拓扑结构，此外缺乏一致的细胞运动模型，这些都是细胞跟踪的重点与难点。图像因素通常是指低的图像质量，由于生物体的呼吸而引起的颤抖、细胞进入或离开共焦平面造成对比度的变化，使得所获取的图像质量下降，也就是说细胞显微镜图像具有低的信噪比(SNR)或对比度，包含高噪声，此外也有图像数据量很大的因素，加大了细胞跟踪的难度。

目前存在的细胞自动跟踪方法可以分为三类，分别为基于检测与关联的跟踪方法、基于模型演化的跟踪方法和基于滤波与采样的跟踪方法。基于检测与关联的细胞跟踪方法包含两个主要步骤，即检测和关联。在第一步中，分别把每一帧中的细胞检测出来，同时得到细胞 的数目和单个细胞的状态(如何中心、面积等)，在细胞跟踪系统中常用的检测方法包括阈值法、梯度法(边缘检测)、拓扑学操作和分水岭算法。在第二步中，在连续两帧或多帧中检测到的细胞被关联起来，这样就可以得到细胞的运动轨迹，此外还可以计算出细胞的运动参数如瞬时速度和加速度等，关联通常基于最优化某一特定的目标函数，例如最近邻法和平滑运动准则。但是在一些情况下，如图像中细胞密度很大、细胞分裂事件和发生分割错误时，此类跟踪方法很可能会失败。阈值法是最常用的检测方法，但是对于视觉系统中的强度变化和图像噪声，它也是最容易出现错误的一种方法。阈值法不能分割相互接触的细胞，而分水岭变换提供了接触问题的一种有效的解决方法，其缺点是会因为噪声和其趋向产生过分割现象。

在基于模型演化的细胞跟踪方法中，先对细胞进行建模，然后在连续帧中更新这个模型而到达跟踪的目的，前一帧中的跟踪结果被用于当前帧相关参数的初始化，能代表细胞的外观或外形的模型就这样在帧间进行演化。根据建立模型的方法，此类跟踪方法中的常用算法包含主动轮廓法、水平集法、基于核的跟踪或均值漂移跟踪方法。以主动轮廓法为例，在前一帧中定义了一个与细胞轮廓相关的内部能量和外部能量之和的能量函数，在当前帧中使得能量函数最小化，进而找出细胞轮廓。与分水岭变换相比，由于近邻细胞的轮廓或外形在这个演化过程中容易被融合一个细胞，基于轮廓演化的跟踪方法具有产生图像欠分割现象，它需要对结果进行后续处理。