[发明专利]一种基于混合时间池化算子的有丝分裂定位和识别的方法

权利要求书

1.一种基于混合时间池化算子的有丝分裂定位和识别的方法，其特征在于，所述方法包括：

对候选子序列的每一帧图像分别提取卷积神经网络特征向量；

使用最大池化算子、平均池化算子、以及时间梯度直方图池化算子对提取的每帧的特征向量分别进行池化，得到相应帧的时间参数向量，该由最大池化算子、平均池化算子、以及时间梯度直方图池化算子组成的时间参数向量表征了对象帧所包含的外观特征和时序信息；

在时间参数向量上训练线性SVM分类器来对候选子序列的每一帧的阶段标签进行分类，获得每个阶段的起始帧位置和帧数目；

如果候选子序列包括完整的四个阶段，则可判定该序列包含了一个分裂事件，得到最终的识别结果；

所述时间梯度直方图池化算子包括：正梯度时间算子、以及负梯度时间算子；

所述正梯度时间算子具体为：

其中，x_t∈R^D表示提取第t帧所得的CNN特征向量；

所述负梯度时间算子具体为：

其中，x_t∈R^D表示提取第t帧所得的CNN特征向量；

所述方法将时间和梯度直方图结合在一起，将池化的结果与时间变量t直接建立了关系，表征相邻帧在时间维度上的变化，达到将研究点从帧内拓展到帧间的效果；

所述由最大池化算子、平均池化算子、以及时间梯度直方图池化算子组成的时间参数向量具体为：

V_t＝[m_t,a_t,p_t,n_t]

其中，V_t表示第t帧的时间参数向量，m_t表示将最大池化算子应用于第t帧所得的CNN特征向量的结果；a_t表示将平均池化算子应用于第t帧所得的CNN特征向量的结果；p_t表示将正梯度时间算子应用于第t帧所得的CNN特征向量的结果；n_t表示将负梯度时间算子应用于第t帧所得的CNN特征向量的结果。

2.根据权利要求1所述的一种基于混合时间池化算子的有丝分裂定位和识别的方法，其特征在于，所述方法还包括：采集细胞候选子序列，所有的候选子序列构成样本数据库。

3.根据权利要求2所述的一种基于混合时间池化算子的有丝分裂定位和识别的方法，其特征在于，所述采集细胞候选子序列具体为：

采集的细胞图像利用基于成像模型的显微图像分割方法和三维种域生长方法来提取细胞候选子序列。