[发明专利]基于线粒体结构的图像配准方法及装置、存储介质及设备

说明书

技术领域

本发明涉及图像处理和神经科学领域，具体涉及一种基于线粒体结构的图像配准方法及装置、存储介质及设备。

背景技术

随着越来越多的国家和组织启动了脑科学研究计划，人类对大脑图谱的构建工作在毫米尺度的宏观层面和微米尺度的介观层面取得了很大进展，相比之下，脑图谱在纳米尺度微观层面的研究进展稍缓慢，但近几年该工作也相继展开成果初显。为了了解神经环路的物理结构和功能之间的关系，微观层面纳米尺度的神经元形态和连接结构的三维重建意义重大，该工作主要包括神经组织切片、电镜成像以及海量图像数据重建分析等步骤。由于神经组织样品在切片、染色和电镜成像过程中会出现不同程度的组织形变、污染、褶皱、撕裂、旋转、偏移、热损伤甚至切片丢失等问题，对切片的电镜图像序列进行配准十分必要，图像配准可以有效的去除图像中不规则畸变获得神经组织序列切片三维图像库，为后续神经结构分割和三维重建工作提供较好的数据基础。

关于神经组织电镜图像配准目前已有的方法大多数是基于Scale-invariant feature transform(SIFT)特征的，一般方法是先提取图像的SIFT特征进行匹配，然后通过RANSAC算法滤除匹配错误的特征点对，再依据上下层图像间的特征点对完成图像配准。但由于神经组织切片图像中含有大量相似的突触结构和亚细胞结构(如线粒体、囊泡等)，这些相似的结构会导致大量的SIFT特征误匹配，用RANSAC方法无法充分滤除匹配错误的特征点对，进而影响最终的图像配准精度。

因此，目前急需一种精准的神经组织的电镜序列切片图像的配准方法，从而避免特征点误匹配的情况，为后续神经结构分割和三维重建工作提供较好的数据基础。

发明内容

为了解决现有技术中的上述问题，即为了解决如何提高神经组织的电镜序列切片图像配准精准度的技术问题，本发明提供了一种基于线粒体结构的图像配准方法及装置、存储介质及设备。

在第一方面，本发明中基于线粒体结构的图像配准方法包括：

获取神经组织的电镜序列切片图像；

检测所获取的电镜序列切片图像的线粒体区域；

依据所检测的线粒体区域的特征点，匹配各切片图像之间的对应关系；

依据所匹配的对应关系，对所述电镜序列切片图像进行图像变形，完成图像配准。

优选地，所述依据所检测的线粒体区域的特征点，匹配各切片图像之间的对应关系之前，包括：

对所述线粒体区域进行筛选，选取满足预设筛选条件的线粒体区域；其中，所述预设筛选条件为线粒体区域的各预设参数的检测误差均小于各对应的误差阈值；

对筛选后的各线粒体区域进行分割，得到各线粒体区域的各线粒体结构。

优选地，“依据所检测的线粒体区域的特征点，匹配各切片图像之间的对应关系”，包括：

以所述线粒体区域中线粒体结构的中心点为特征点，匹配各切片图像之间的对应关系。

优选地，所述依据所匹配的对应关系，对所述电镜序列切片图像进行图像变形，完成图像配准之前，包括：

对匹配后的对应关系进行筛选，得到匹配准确度大于预设阈值的对应关系。

优选地，“获取神经组织的电镜序列切片图像”包括：采用扫描电镜ATUM-SEM获取所述神经阻滞电镜序列切片图像。

优选地，“检测所获取的电镜序列切片图像的线粒体区域”包括：采用Adaptive Boosting算法检测所述电镜序列切片图像的线粒体区域；

“匹配各切片图像之间的对应关系”包括：采用Coherent Point Drift算法匹配各切片图像之间的对应关系；

“依据所匹配的对应关系，对所述电镜序列切片图像进行图像变形”包括：采用移动最小二乘法对电镜序列切片图像进行刚性变换，得到配准后的电镜序列切片图像。

优选地，“对所述线粒体区域进行筛选”包括：采用Random Forest算法对所述线粒体区域进行筛选；

“对筛选后的各线粒体区域进行分割”包括：采用区域增长算法对筛选后的各线粒体区域进行分割。

优选地，“对匹配后的对应关系进行筛选”包括：采用Random Sample And Consensus算法对匹配后的对应关系进行筛选；

在第二方面，本发明中基于线粒体结构的图像配准装置包括：

获取模块，配置为获取神经组织的电镜序列切片图像；

检测模块，配置为检测所获取的电镜序列切片图像的线粒体区域；