專利名稱：一種細(xì)胞分裂序列檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像分析和模式識別領(lǐng)域，特別涉及一種細(xì)胞分裂序列檢測方法。
背景技術(shù)：
在生物學(xué)研究中，細(xì)胞的生長規(guī)律與外界環(huán)境因素的關(guān)系仍然是未解之謎。生物學(xué)家希望借助體外培養(yǎng)細(xì)胞的方法通過對細(xì)胞生長過程的監(jiān)控來分析細(xì)胞的世系關(guān)系，挖掘和計算不同時刻與細(xì)胞生長相關(guān)的生物學(xué)參數(shù)，用于對細(xì)胞生長過程的定量分析，從而對該問題進(jìn)行探索。但是，由于生物實驗中細(xì)胞數(shù)目龐大和行為復(fù)雜等因素，借助人力長時間監(jiān)控細(xì)胞生長過程并分析細(xì)胞世系關(guān)系是不現(xiàn)實的。為了克服這一困難，利用計算機視覺方法，對體外培養(yǎng)并通過顯微鏡周期性采集的細(xì)胞圖像序列進(jìn)行自動的分析和理解，在此基礎(chǔ)上檢測細(xì)胞分裂行為，將為定量分析細(xì)胞數(shù)量、密度，以及為細(xì)胞生長原理的發(fā)現(xiàn)提供技術(shù)基礎(chǔ)，對生物理論、藥物開發(fā)和臨床治療等相關(guān)領(lǐng)域的發(fā)展具有革命性的意義?，F(xiàn)有技術(shù)中細(xì)胞分裂序列檢測方法可分為三類1、基于跟蹤的方法即通過細(xì)胞跟蹤提取運動軌跡，然后通過對細(xì)胞分裂時軌跡變化制定規(guī)則進(jìn)行細(xì)胞分裂的檢測；2、基于模型的方法即提取細(xì)胞分裂區(qū)域特征，將細(xì)胞分裂序列看作一個特殊的視覺模型，并對其構(gòu)造數(shù)學(xué)模型進(jìn)行該視覺模式的檢測；3、綜合以上兩類方法，首先通過細(xì)胞的檢測和跟蹤提取包含細(xì)胞特定行為的候選序列，然后對候選序列進(jìn)行特征提取，最后通過對特定細(xì)胞行為的時序特性推斷或數(shù)學(xué)建模實現(xiàn)檢測。總體來講，現(xiàn)有技術(shù)中的方法多針對某種細(xì)胞行為開發(fā)算法并在小數(shù)據(jù)集上進(jìn)行實驗，并且對細(xì)胞檢測和跟蹤結(jié)果有較強依賴性，因此這些方法不具有較強魯棒性和通用性。

發(fā)明內(nèi)容
為了提高魯棒性和通用性，本發(fā)明提供了一種細(xì)胞分裂序列檢測方法，詳見下文描述一種細(xì)胞分裂序列檢測方法，所述方法包括以下步驟(1)基于細(xì)胞分裂區(qū)域顯著特征和時空關(guān)聯(lián)特性的方法獲取第一細(xì)胞分裂候選區(qū)域，并提取細(xì)胞分裂候選序列；(2)通過方向梯度直方圖對所述第一細(xì)胞分裂候選區(qū)域進(jìn)行描述，通過特征提取將所述細(xì)胞分裂候選序列轉(zhuǎn)化為特征向量序列；(3)根據(jù)特征向量序列，通過隱條件隨機場模型的學(xué)習(xí)和推斷實現(xiàn)細(xì)胞分裂序列識別。步驟(1)中所述基于細(xì)胞分裂區(qū)域顯著特征和時空關(guān)聯(lián)特性的方法獲取第一細(xì)胞分裂候選區(qū)域，并提取細(xì)胞分裂候選序列具體為1)采用動態(tài)背景建模法去除每幅圖像的背景區(qū)域及噪聲區(qū)，對N幀連續(xù)圖像取平均，作為所述N幀連續(xù)圖像的背景圖像，將每幅圖像與所述背景圖像做差，去除所述N幀連續(xù)圖像中的背景區(qū)域及噪聲區(qū)，獲取處理后N幀連續(xù)圖像；對后續(xù)N幀連續(xù)圖像重復(fù)執(zhí)行步驟1)；2)將所述處理后N幀連續(xù)圖像中的每幀圖像與第一預(yù)設(shè)規(guī)格的均值濾波器進(jìn)行卷積，采用閾值進(jìn)行每幀圖像的二值化，獲取細(xì)胞分裂候選區(qū)域；3)去除所述細(xì)胞分裂候選區(qū)域中的開操作和閉操作，并通過聯(lián)通區(qū)域的提取形成各個獨立細(xì)胞分裂候選區(qū)域；4)以所述各個獨立細(xì)胞分裂候選區(qū)域的幾何中心為中點提取第二預(yù)設(shè)規(guī)格的矩形區(qū)域作為第一細(xì)胞分裂候選區(qū)域；5)將所述N幀連續(xù)圖像中符合空間區(qū)域重合條件的所述第一細(xì)胞分裂候選區(qū)域進(jìn)行關(guān)聯(lián)運算，提取所述細(xì)胞分裂候選序列。所述空間區(qū)域重合條件具體為所述N幀連續(xù)圖像的任意相鄰兩幀圖像中的第一細(xì)胞分裂候選區(qū)域的重合面積的2倍大于等于兩幀圖像中第一細(xì)胞分裂候選區(qū)域面積的最小值。步驟O)中所述通過方向梯度直方圖對所述第一細(xì)胞分裂候選區(qū)域進(jìn)行描述，通過特征提取將所述細(xì)胞分裂候選序列轉(zhuǎn)化為特征向量序列具體為1)計算第一細(xì)胞分裂候選區(qū)域的一階梯度；2)將所述一階梯度分成預(yù)設(shè)數(shù)量的單元格，將各單元格中所有像素的方向梯度直方圖累加，并將方向梯度直方圖映射到預(yù)設(shè)角度上；3)對所述各個單元格內(nèi)方向梯度直方圖進(jìn)行歸一化，所述第一細(xì)胞分裂候選區(qū)域中所有單元格的特征描述組成了第一細(xì)胞分裂候選區(qū)域的特征，獲取所述特征向量序列。步驟(3)中所述根據(jù)特征向量序列，通過隱條件隨機場模型的學(xué)習(xí)和推斷實現(xiàn)細(xì)胞分裂序列識別具體為1)隱條件隨機場模型的表示對于序列標(biāo)記y、觀察序列X、隱藏變量h和模型參數(shù)θ，隱條件隨機場模型具體為
權(quán)利要求
1.一種細(xì)胞分裂序列檢測方法，其特征在于，所述方法包括以下步驟(1)基于細(xì)胞分裂區(qū)域顯著特征和時空關(guān)聯(lián)特性的方法獲取第一細(xì)胞分裂候選區(qū)域， 并提取細(xì)胞分裂候選序列；(2)通過方向梯度直方圖對所述第一細(xì)胞分裂候選區(qū)域進(jìn)行描述，通過特征提取將所述細(xì)胞分裂候選序列轉(zhuǎn)化為特征向量序列；(3)根據(jù)特征向量序列，通過隱條件隨機場模型的學(xué)習(xí)和推斷實現(xiàn)細(xì)胞分裂序列識別。
2.根據(jù)權(quán)利要求1所述的一種細(xì)胞分裂序列檢測方法，其特征在于，步驟(1)中所述基于細(xì)胞分裂區(qū)域顯著特征和時空關(guān)聯(lián)特性的方法獲取第一細(xì)胞分裂候選區(qū)域，并提取細(xì)胞分裂候選序列具體為1)采用動態(tài)背景建模法去除每幅圖像的背景區(qū)域及噪聲區(qū)，對N幀連續(xù)圖像取平均， 作為所述N幀連續(xù)圖像的背景圖像，將每幅圖像與所述背景圖像做差，去除所述N幀連續(xù)圖像中的背景區(qū)域及噪聲區(qū)，獲取處理后N幀連續(xù)圖像；對后續(xù)N幀連續(xù)圖像重復(fù)執(zhí)行步驟 1)；2)將所述處理后N幀連續(xù)圖像中的每幀圖像與第一預(yù)設(shè)規(guī)格的均值濾波器進(jìn)行卷積， 采用閾值進(jìn)行每幀圖像的二值化，獲取細(xì)胞分裂候選區(qū)域；3)去除所述細(xì)胞分裂候選區(qū)域中的開操作和閉操作，并通過聯(lián)通區(qū)域的提取形成各個獨立細(xì)胞分裂候選區(qū)域；4)以所述各個獨立細(xì)胞分裂候選區(qū)域的幾何中心為中點提取第二預(yù)設(shè)規(guī)格的矩形區(qū)域作為第一細(xì)胞分裂候選區(qū)域；5)將所述N幀連續(xù)圖像的任意相鄰兩幀圖像中，符合空間區(qū)域重合條件的所述第一細(xì)胞分裂候選區(qū)域進(jìn)行關(guān)聯(lián)運算，提取所述細(xì)胞分裂候選序列。
3.根據(jù)權(quán)利要求2所述的一種細(xì)胞分裂序列檢測方法，其特征在于，所述空間區(qū)域重合條件具體為所述N幀連續(xù)圖像的任意相鄰兩幀圖像的第一細(xì)胞分裂候選區(qū)域的重合面積的2倍大于等于兩幀圖像中第一細(xì)胞分裂候選區(qū)域面積的最小值。
4.根據(jù)權(quán)利要求1所述的一種細(xì)胞分裂序列檢測方法，其特征在于，步驟⑵中所述通過方向梯度直方圖對所述第一細(xì)胞分裂候選區(qū)域進(jìn)行描述，通過特征提取將所述細(xì)胞分裂候選序列轉(zhuǎn)化為特征向量序列具體為1)計算第一細(xì)胞分裂候選區(qū)域的一階梯度；2)將所述一階梯度分成預(yù)設(shè)數(shù)量的單元格，將各單元格中所有像素的方向梯度直方圖累加，并將方向梯度直方圖映射到預(yù)設(shè)角度上；3)對所述各個單元格內(nèi)方向梯度直方圖進(jìn)行歸一化，所述第一細(xì)胞分裂候選區(qū)域中所有單元格的特征描述組成了第一細(xì)胞分裂候選區(qū)域的特征，獲取所述特征向量序列。
5.根據(jù)權(quán)利要求1所述的一種細(xì)胞分裂序列檢測方法，其特征在于，步驟⑶中所述根據(jù)特征向量序列，通過隱條件隨機場模型的學(xué)習(xí)和推斷實現(xiàn)細(xì)胞分裂序列識別具體為1)隱條件隨機場模型的表示對于序列標(biāo)記Y、觀察序列X、隱藏變量h和模型參數(shù)θ，隱條件隨機場模型具體為
全文摘要
本發(fā)明公開了一種細(xì)胞分裂序列檢測方法，屬于圖像分析和模式識別領(lǐng)域，所述方法包括以下步驟基于細(xì)胞分裂區(qū)域顯著特征和時空關(guān)聯(lián)特性的方法獲取第一細(xì)胞分裂候選區(qū)域，并提取細(xì)胞分裂候選序列；通過方向梯度直方圖對所述第一細(xì)胞分裂候選區(qū)域進(jìn)行描述，通過特征提取將所述細(xì)胞分裂候選序列轉(zhuǎn)化為特征向量序列；根據(jù)特征向量序列，通過隱條件隨機場模型的學(xué)習(xí)和推斷實現(xiàn)細(xì)胞分裂序列識別。本發(fā)明不依賴于經(jīng)驗性圖像處理，復(fù)雜的細(xì)胞跟蹤，以及有關(guān)特定細(xì)胞形態(tài)或行為規(guī)律等生物學(xué)知識，提高了魯棒性和通用性，因此可以廣泛應(yīng)用于顯微鏡圖像序列中細(xì)胞行為的自動理解和檢測。
文檔編號G06T7/00GK102156988SQ20111014080
公開日2011年8月17日 申請日期2011年5月27日 優(yōu)先權(quán)日2011年5月27日
發(fā)明者劉安安 申請人:天津大學(xué)