[发明专利]一种基于荧光视频的神经元胞体自动识别系统

说明书

本发明公开一种基于荧光视频的神经元胞体自动识别系统，使用构造视频模块将荧光视频转换为高信噪比的构造视频，采用胞体识别分割模块识别并区分存在空间投影重叠的胞体区域，并为使用者提供友好方便的用户偏好设置，最终提供稳定准确的神经元胞体自动识别结果。

技术领域

本发明涉及生物图像处理领域，具体涉及一种基于荧光视频的神经元胞体自动识别系统。

背景技术

荧光成像是当前神经科学领域研究神经元群体动力学行为的主要手段之一。在使用荧光显微镜采集到神经元的荧光视频后，研究者们通过辨识神经元的胞体，提取胞体的信号曲线，进而对神经元的个体及群体动力学行为进行分析。然而，目前经典的神经元胞体自动识别系统仍容易受到荧光视频的信噪比、显微镜成像时的深度分辨率的影响，所得到的自动识别结果仍会出现较多的胞体漏识别、错识别情况，这往往需要研究者们对胞体自动识别结果进行较大量的手工校正，从而导致高额的人力成本和时间成本。近年来也有一些基于人工智能的神经元胞体自动识别系统，但是这些系统往往需要大量的人工标签才能得到较良好的胞体识别效果，同样存在高额的人力成本。除此之外，这些系统存在没有充分显式利用先验知识，自动识别方法在不同数据集上泛化性较差、缺乏可解释性等问题。

发明内容

为了有效解决荧光视频中胞体自动识别结果漏识别、错识别的问题，本发明公开一种基于荧光视频的神经元胞体自动识别系统，用于减少神经元胞体自动识别算法对荧光视频高信噪比的依赖，同时区分由于显微镜成像深度分辨率不足导致的具有空间投影重叠的胞体区域，尤其是为研究者提供了友好方便的用户偏好设置，提供了稳定准确的神经元胞体自动识别结果。

本发明提供的技术方案如下：一种基于荧光视频的神经元胞体自动识别系统，由构造视频模块Z₁、胞体识别分割模块Z₂和用户偏好设置模块Z₃组成。

为了减少神经元胞体识别算法对输入的荧光视频的高信噪比依赖，提高神经元胞体自动识别系统的泛化能力，本发明提供了构造视频模块Z₁，构造视频模块Z₁的输入是荧光视频V₀[X，Y，T₀]，输出为视频重构后的构造视频V[X，Y，T]，其中，视频重构由视频随机打乱模块Z₁₁、信号非线性归一化放大器Z₁₂和特征整合模块Z₁₃组成，且符号V[X，Y，T]表示为视频V的宽度、高度和时间长度分别为X，Y和T，下述的表示均相同。Z₁的具体步骤如下：

(1)、视频随机打乱模块Z₁₁将双光子荧光视频V₀[X，Y，T₀]在时间方向随机打乱K次，作为优选的，随机打乱算法采用的是不重复的重排采样，进而生成随机打乱荧光视频并输出到信号非线性归一化放大器Z₁₂，由于神经元胞体区域的活动信号在随机打乱前后的变化大于背景噪声区域活动信号随机打乱前后的变化，因此通过对荧光视频进行随机打乱能更容易将胞体区域和背景噪声区域区分开。