[發(fā)明專利]一種基于多特征融合的癌細(xì)胞跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810418273.6
• 申請(qǐng)日: 2018-05-04
• 公開(kāi)（公告）號(hào): CN108665483B
• 公開(kāi)（公告）日: 2021-10-12
• 發(fā)明（設(shè)計(jì)）人: 胡海根;周莉莉;肖杰;管秋;周乾偉;陳勝勇
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/60;G06K9/62;G06N3/04
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種基于多特征融合的癌細(xì)胞跟蹤方法，其特征在于，所述方法包括以下步驟：

步驟1，癌細(xì)胞的檢測(cè)，包括以下步驟：

1.1、制作數(shù)據(jù)集：使用voc2007數(shù)據(jù)集格式，人工對(duì)數(shù)據(jù)集進(jìn)行Ground Truth的制作作為網(wǎng)絡(luò)的訓(xùn)練集；

1.2、候選區(qū)域的產(chǎn)生：使用的Faster R-CNN算法是通過(guò)RPN網(wǎng)絡(luò)實(shí)現(xiàn)候選區(qū)域的產(chǎn)生；

1.3、候選區(qū)域的分類及候選框的精修：使用的Faster R-CNN算法是通過(guò)Fast R-CNN網(wǎng)絡(luò)實(shí)現(xiàn)候選區(qū)域的分類及候選框位置的精修；

步驟2，癌細(xì)胞的特征提取，包括以下步驟：

2.1、質(zhì)心特征的提取：Faster R-CNN算法之后，利用RPN網(wǎng)絡(luò)會(huì)將分?jǐn)?shù)值最高的前300個(gè)候選區(qū)域輸入Fast R-CNN網(wǎng)絡(luò)利用邊框回歸操作實(shí)現(xiàn)候選框位置精修，得到最終的目標(biāo)框，提取邊框回歸之后的所有候選框作為細(xì)胞的質(zhì)心特征；

2.2、卷積特征的提取：提取VGG16網(wǎng)絡(luò)第一層全連接層的輸出：特征向量作為細(xì)胞的卷積特征；

步驟3，癌細(xì)胞的初級(jí)跟蹤，包括如下步驟：

3.1、癌細(xì)胞類別判定：根據(jù)提取每一幀的細(xì)胞質(zhì)心特征計(jì)算出每一幀細(xì)胞到下一幀的運(yùn)動(dòng)速度，根據(jù)運(yùn)動(dòng)速度計(jì)算出這一幀所有細(xì)胞的平均速度；當(dāng)這一幀中某個(gè)細(xì)胞的運(yùn)動(dòng)速度大于平均速度時(shí)，分類為活躍細(xì)胞，反之為惰性細(xì)胞；

3.2、按類別進(jìn)行初步跟蹤：判定細(xì)胞的類別之后，若細(xì)胞為惰性細(xì)胞則但利用質(zhì)心特征進(jìn)行歐氏距離的計(jì)算，根據(jù)最近鄰法進(jìn)行關(guān)聯(lián)匹配；若細(xì)胞為活躍細(xì)胞則計(jì)算質(zhì)心特征的歐氏距離和卷積特征的余弦距離，再進(jìn)行加權(quán)求和，尋找最相似區(qū)域進(jìn)行關(guān)聯(lián)匹配；

步驟4，癌細(xì)胞的再跟蹤，包括如下步驟：

4.1、漏檢區(qū)域的關(guān)聯(lián)匹配：根據(jù)包括歷史信息的匹配中的ID信息尋找當(dāng)前檢測(cè)幀中不包括匹配幀的ID號(hào)，截取匹配幀上未匹配ID區(qū)域及當(dāng)前檢測(cè)幀上未匹配ID區(qū)域，計(jì)算這兩個(gè)區(qū)域直方圖的巴氏系數(shù)，若該巴氏系數(shù)大于閾值則判定檢測(cè)幀的該區(qū)域有效，被漏檢而造成漏跟，再重新對(duì)該區(qū)域進(jìn)行ID匹配；

4.2、重復(fù)檢測(cè)區(qū)域的關(guān)聯(lián)匹配：根據(jù)最終的匹配信息，先判定是否存在兩個(gè)或多個(gè)ID對(duì)應(yīng)同一個(gè)區(qū)域，若存在重復(fù)匹配的情況，則計(jì)算這些區(qū)域的IoU重疊率，若IoU大于閾值，則保留最相似的區(qū)域，去除其他的匹配框。