[发明专利]一种基于U型残差神经网络的细胞图像分割示踪方法

权利要求书

1.一种基于U型残差神经网络的细胞图像分割示踪方法，其特征在于：该方法包括以下步骤：

步骤1：对获取的细胞切片图像进行预处理，获取各个细胞核在细胞图像中的位置；

步骤2：根据步骤1所得到的细胞图像以及细胞核位置生成移动位置向量，将向量与连续两帧的细胞图像对应并进行图像增强；

步骤3：将步骤2所述的细胞图像作为网络的输入，使用U型残差神经网络对移动位置特征向量与细胞分割掩膜进行提取；

步骤4：在步骤3的基础上，对预测的移动位置向量进行后处理，去除过量的新位置点并插值未预测到的位置点；

步骤5：根据步骤4所述的细胞预测轨迹，结合步骤3所述的分割掩膜，执行分水岭算法能够得到细胞寻迹分割结果。

2.根据权利要求1所述的一种基于U型残差神经网络的细胞图像分割示踪方法，其特征在于，所述步骤1对获取的细胞切片图像预处理，包括：

将获取的细胞切片图像变换成统一尺寸，对变换后的图片灰度化处理，即灰度变换与灰度拉伸。

3.根据权利要求1所述的一种基于U型残差神经网络的细胞图像分割示踪方法，其特征在于，所述步骤2中移动位置向量生成，包括：

S1:将细胞图像连续两帧中细胞核的位置点一一对应，将人工标注的细胞核位置作为中心点逐沿递减；

S2:根据细胞核估计位置与细胞移动的位置标量可以得到细胞运动的估计向量，并由此得到最终的细胞移动位置向量。

4.根据权利要求3所述的一种基于U型残差神经网络的细胞图像分割示踪方法，其特征在于：步骤S1所述的细胞核位置点处理，使用了基于高斯分布的逐沿递减方法，使接近中心点位置的数值高，远离中心点位置的数值低，所述高斯分布如下公式所示：

式(1)中p_t表示在时间窗口为t时所有细胞的细胞核位置，σ为高斯分布的一个超参数，用来控制中心点峰值向两边的扩展，表示在时间窗口为t时第i个细胞的细胞核位置。

5.根据权利要求3所述的一种基于U型残差神经网络的细胞图像分割示踪方法，其特征在于：步骤S2所述的细胞运动估计向量，所述细胞移动位置向量如下公式所示：

式(2)中即细胞i在时间窗口t-1到t时刻的移动向量，通过乘以步骤4所述的高斯分布处理过后的细胞核位置似然图，得到移动位置的估计向量。

6.根据权利要求1所述的一种基于U型残差神经网络的细胞图像分割示踪方法，其特征在于，所述步骤3中对细胞图像分割以及移动位置向量的预测，具体内容如下：

首先利用深度卷积神经网络提取细胞连续两帧图像的特征，本发明对特征的提取采用了经典的U-Net网络，U-Net网络采用了U型对称结构，由4个卷积层和4个上采样层组合，每层都包含训练参数，为了更全面地提取到图像特征，每个卷积层提取到的特征将与对应上采样层所获得的特征进行拼接；其次对特征序列化，利用U型残差神经网络对输入序列进行深度特征提取编码并解码，输出细胞掩膜分割图像与预测出的细胞移动位置向量。

7.根据权利要求1所述的一种基于U型残差神经网络的细胞图像分割示踪方法，其特征在于：所述步骤4中移动位置向量后处理，具体内容如下：

后处理过程主要针对于在进行移动位置向量预测过程中存在的部分预测失误结果而设置。在细胞寻迹过程中需要注意细胞分裂事件，分裂出的两个细胞大概率与上一帧图像中的同一细胞相关联，此时需要对这两个细胞进行重新编号并记录其父细胞的位置状态；对于新进入图像中对细胞，一方面可能为之前图层未拍摄到的细胞，可以直接作为新编号细胞，另一方面可能由于前几帧图像中的移动位置向量预测结果未超过自定义阈值而导致的未捕获细胞，此时需要与前多帧图片进行返回查找确认是否存在中途缺失的情况。