[發(fā)明專利]基于信息素預(yù)測的蟻群多細胞跟蹤系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711061619.3
• 申請日: 2017-11-02
• 公開（公告）號: CN107871156B
• 公開（公告）日: 2020-08-11
• 發(fā)明（設(shè)計）人: 魯明麗;徐本連;朱培逸;施健;朱繼紅;王偉
• 申請（專利權(quán)）人: 常熟理工學院
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱顯國

本發(fā)明公開了一種基于信息素預(yù)測的蟻群多細胞跟蹤系統(tǒng)，包括四個模塊：信息素場預(yù)測模塊、螞蟻決策模塊、信息素場的高斯擬合模塊和狀態(tài)估計模塊的分析，實現(xiàn)多細胞的跟蹤；原始圖片輸入后，基于前一幀細胞信息素場高斯擬合的結(jié)果，利用高斯混合模型進行信息素場預(yù)測；在基于信息素梯度的螞蟻工作模式下利用基于鐘形曲線的信息素擴散模型構(gòu)建信息素場；然后通過K?均值聚類的方法，在去除由雜波導致的虛假目標后進行細胞位置估計，最后利用細胞距離特征關(guān)聯(lián)獲取細胞運動軌跡，實現(xiàn)多細胞的跟蹤。

技術(shù)領(lǐng)域

本發(fā)明屬于細胞跟蹤領(lǐng)域，更具體的涉及一種基于信息素預(yù)測的蟻群多細胞跟蹤系統(tǒng)。

背景技術(shù)

細胞是生命活動的基本單位，對于任何有機生命的胚胎發(fā)育、進化和生命維持，細胞的增殖、分化與遷移都是必不可少的環(huán)節(jié)。因此，對細胞行為分析的研究在很多領(lǐng)域都是非常有價值的，包括干細胞研究、組織工程學、藥物開發(fā)、基因?qū)W和蛋白質(zhì)組學等。醫(yī)學圖像處理是計算機視覺研究的一個重要分支和研究方向。利用計算機進行圖像處理減少了人為的干擾，能夠減少醫(yī)學工作者的工作負擔，提高分析的準確性。因此，從細胞圖像序列中提取目標特征信息及目標運動軌跡，是醫(yī)學分析中一項重要基本工作，引起越來越多研究者的興趣。

細胞顯微圖像由于設(shè)備誤差、光照不均的影響使得采集到的圖像具有背景不均、邊界模糊、內(nèi)部分布不均勻的特點，圖像質(zhì)量的下降加大了跟蹤的難度，而顯微鏡頭的抖動會引起觀測視野比較大的改變。細胞的尺寸處于微米量級，單個細胞尺寸與整幅圖像相比太小，不同細胞之間的形態(tài)差別不大，導致細胞的特征信息難于提取,因此要精確估計細胞的運動參數(shù)非常困難。這些不確定性因素的存在給細胞跟蹤研究帶來了極大的挑戰(zhàn)，而細胞圖像序列中經(jīng)常出現(xiàn)的碰撞、分裂等情形引起細胞之間的復雜交互使得細胞的精確跟蹤也更加困難,主要包括以下幾個方面：

1、細胞粘連甚至重疊時多個細胞信息交叉難于區(qū)分。當一個細胞與另外的細胞粘連甚至重疊時，過程中可能并沒有丟失目標，但是當目標分開后由于細胞特征相似跟蹤可能轉(zhuǎn)換，這時發(fā)生細胞標簽切換。所以粘連甚至重疊會導致細胞標簽的切換率大大增高，給目標跟蹤的可靠性帶來極大困難。

2、細胞遷移運動的速度和方向突然改變時，由于部分目標信息丟失，誤認為細胞已消失，導致跟蹤的不穩(wěn)定甚至丟失細胞。

近年來學者們提出的自動跟蹤的方法依賴于細胞圖像檢測和分割的質(zhì)量，對于復雜情況下細胞跟蹤的精度不高，很難準確描述其統(tǒng)計特性。而在視頻圖像中針對目標密集、遮擋等復雜情況的成熟多目標跟蹤技術(shù)，由于受顯微圖像序列中細胞彼此之間的形態(tài)差別不大及細胞與背景灰度值相近等特殊性的影響，不能直接推廣應(yīng)用于細胞跟蹤領(lǐng)域。目前尚缺乏有效的針對細胞圖像序列中粘連細胞跟蹤的研究理論和方法。本發(fā)明旨在解決粘連、運動特性各異等多細胞跟蹤難題，利用信息素預(yù)測及擴散機制構(gòu)建信息素場，最終實現(xiàn)粘連多細胞的跟蹤

發(fā)明內(nèi)容

1、本發(fā)明的目的。

本發(fā)明為了解決現(xiàn)有技術(shù)中對于粘連運動特性各異的多細胞跟蹤難題，提出了一種基于信息素預(yù)測的蟻群多細胞跟蹤系統(tǒng)。

2、本發(fā)明所采用的技術(shù)方案。

本發(fā)明公開了一種基于信息素預(yù)測的蟻群多細胞跟蹤系統(tǒng)，包括如下模塊：

信息素預(yù)測模塊，輸入原始圖像，基于前一幀細胞信息素場高斯擬合的結(jié)果，利用高斯混合模型進行信息素場預(yù)測，包括存活細胞、分裂細胞和新出現(xiàn)細胞的信息素預(yù)測；

螞蟻決策模塊，利用基于信息素梯度信息的螞蟻工作模式及基于鐘形曲線的信息素擴散模型構(gòu)建信息素場，實現(xiàn)近距離細胞跟蹤；

信息素場的高斯擬合模塊，在信息素場構(gòu)建完成后，利用EM算法進行高斯混合模型參數(shù)估計，實現(xiàn)信息素場的擬合，用于下一幀細胞信息素預(yù)測