多細(xì)胞隨機性方法運動分析研究.pdf

1、生物醫(yī)學(xué)圖像在醫(yī)療診斷和疾病治療中的作用日益顯著，細(xì)胞圖像的研究是醫(yī)學(xué)圖像中一個重要的分支。從細(xì)胞圖像序列中提取細(xì)胞的特征信息及運動軌跡，是醫(yī)學(xué)分析中一項重要的基本工作。近年來，盡管相關(guān)領(lǐng)域的研究者取得了很多有益的成果，但因信息量大，細(xì)胞的形狀復(fù)雜且易變，細(xì)胞運動的隨機性以及受到獲取技術(shù)、圖像質(zhì)量等因素的影響，要準(zhǔn)確計量細(xì)胞數(shù)目及獲取其運動軌跡，仍然存在許多理論與技術(shù)上的難點。針對以上問題，本論文從分析多細(xì)胞存在的不同運動模式著手，充分

2、利用時空信息，提出了若干種具有一定工程應(yīng)用前景的隨機性多細(xì)胞運動分析方法，改進(jìn)了檢測與跟蹤的準(zhǔn)確率。論文的主要研究內(nèi)容如下:
　　1.針對所研究圖像序列中多細(xì)胞粘連問題，給出了一種基于閾值的混合細(xì)胞檢測算法，仿真結(jié)果表明，基于該圖像序列的查全率（Recall）和準(zhǔn)確率（Precision）可達(dá)98.32％和97.03％左右。針對密集情形下出現(xiàn)的多細(xì)胞重疊問題，給出了一種改進(jìn)分水嶺混合檢測算法，仿真結(jié)果表明，該方法可以很好地將重疊細(xì)

3、胞分割為單個細(xì)胞，且?guī)缀醪粫霈F(xiàn)細(xì)胞區(qū)域標(biāo)定不正確或者區(qū)域分割不完整的現(xiàn)象，基于該圖像序列的準(zhǔn)確率可達(dá)到96％。
　　2.針對多細(xì)胞跟蹤中存在的目標(biāo)分裂、碰撞等引起的狀態(tài)耦合問題，給出了一種擴展多模型粒子濾波多細(xì)胞運動分析方法。首先結(jié)合閾值處理和孔洞填充技術(shù)設(shè)計了細(xì)胞混合檢測方法。其次基于細(xì)胞相互作用存在的三種事件（獨立、碰撞、分裂），構(gòu)建細(xì)胞運動模型，并應(yīng)用角速度和面積特征參數(shù)對目標(biāo)狀態(tài)進(jìn)行增廣。最后通過計算面積和距離特征信息的

4、差異性測量，給出了一種細(xì)胞數(shù)據(jù)關(guān)聯(lián)策略。仿真結(jié)果表明了設(shè)計方法的有效性。
　　3.針對多細(xì)胞數(shù)目時變和動力學(xué)特性差異等問題，給出了一種基于圖像背景提取的蟻群多細(xì)胞運動分析方法。利用非參數(shù)核密度估計方法產(chǎn)生先驗蟻群分布，通過多蟻群重構(gòu)建立多峰信息素場，利用蟻群快速聚類算法實現(xiàn)細(xì)胞身份管理與狀態(tài)提取。仿真結(jié)果表明了設(shè)計方法的有效性。
　　4.針對低信噪比圖像序列中多細(xì)胞近鄰問題，給出了一種多任務(wù)蟻群近鄰細(xì)胞運動分析方法。利用近似

5、平均法方法提取細(xì)胞的前景圖像，結(jié)合K均值聚類方法產(chǎn)生初始子蟻群。設(shè)計了蟻群的協(xié)作與競爭模式，并構(gòu)建多峰信息素場。通過合并相似子蟻群和去除虛假目標(biāo)子蟻群進(jìn)行多細(xì)胞狀態(tài)估計。仿真結(jié)果表明，該方法與其他跟蹤算法相比具有較高的準(zhǔn)確性。
　　5.針對低信噪比圖像序列中細(xì)胞密度變化問題，給出了一種多模式蟻群變密度細(xì)胞運動分析方法。利用當(dāng)前幀區(qū)域平均似然度，并結(jié)合前一幀細(xì)胞動力學(xué)特性產(chǎn)生蟻群初始分布?；诩?xì)胞的稀疏與密集事件，設(shè)計蟻群的協(xié)作模式