[發明專利]一種基于多特征融合的癌細胞跟蹤方法

有效

• 申請號: 201810418273.6
• 申請日: 2018-05-04
• 公開（公告）號: CN108665483B
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 胡海根;周莉莉;肖杰;管秋;周乾偉;陳勝勇
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/60;G06K9/62;G06N3/04
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于多特征融合的癌細胞跟蹤方法，包括以下步驟：步驟1，癌細胞的檢測，包括以下步驟：1.1、制作數據集；1.2、候選區域的產生；1.3、建議區域的分類及候選框的精修；步驟2，癌細胞的特征提取，包括以下步驟：2.1、質心特征的提取；2.2、卷積特征的提取；步驟3，癌細胞的初級跟蹤，包括如下步驟：3.1、癌細胞類別判定；3.2、按類別進行初步跟蹤；步驟4，癌細胞的再跟蹤，包括如下步驟：4.1、漏檢區域的關聯匹配；4.2、重復檢測區域的關聯匹配。本發明提供了一種有效提高跟蹤效率和跟蹤精度的基于多特征融合的癌細胞跟蹤方法。

技術領域

本發明屬于細胞跟蹤領域，設計了一種基于多特征融合的癌細胞跟蹤方法。具體通過深度學習Faster R-CNN算法實現癌細胞的檢測，即先利用RPN網絡實現候選區域的提取，再利用Fast R-CNN網絡實現候選框位置的精修及目標類別的判定，再提取檢測結果的特征，最后利用多特征融合的跟蹤算法完成癌細胞正確的關聯和匹配，實現幀間癌細胞的連續跟蹤。

背景技術

據國家癌癥中心發布中國15年最新的癌癥發病和死亡數據顯示，中國新發癌癥病例每天都在增加，實現癌細胞的早期診斷和抗癌藥物的試驗一直是醫學界十分關注的課題。早期癌癥是通過臨床分析進行診斷和治療，最早是通過每年對病人進行一次CT掃描檢查，但CT掃描不現實且無操作性，所以新型癌癥診斷方法：驗血被提出。傳統驗血方法是通過查找血液中是否含有特定蛋白特征，同時使用染色體對特定蛋白進行染色，當存在癌細胞時，帶有染色體的癌細胞在血管中受特定光線照射呈現熒光色，從而幫助醫療人員進行追蹤癌細胞的擴散方式和路徑，醫療人員再結合診斷圖像及風險模型進行診斷。實現癌細胞的診斷之后，醫療人員可利用液態切片檢查的抗癌藥物試驗方法進行抗癌藥物的試驗，最終將抗癌藥物的用于人體進行治療。這些工作太過于復雜，同時染色體技術本身對癌細胞的結構會有一定的破壞，不利于之后抗癌藥物的試驗，耗費大量醫資及財力卻不能獲得好的試驗結果。為了消除染色體對癌細胞的負面影響，相稱顯微鏡技術被提出，該技術通過增加目標間對比度，可在不對癌細胞進行染色的情況下觀察活體細胞的結構。如果可以實現相稱顯微鏡癌細胞序列的正確跟蹤，對醫療人員進行后續抗癌藥物的試驗有重大意義。

在細胞跟蹤領域，至今流行的細胞跟蹤算法大致分為兩類：生成式跟蹤法及判別式跟蹤法。生成式跟蹤法也叫基于模型更新的跟蹤法，該算法前提是要在當前幀對細胞區域進行建模，獲取目標的數學模型，下一幀的是通過尋找與模型最相似的區域來預測細胞位置。比較著名的算法有利用均值濾波、高斯混合及粒子濾波等方法進行細胞的跟蹤。而這些方法要花費大量的時間在模型的匹配上，并且在低對比且細胞數據量較少的情況下，很難訓練一個有代表性的網絡模型，可行性不強。判別式跟蹤法也叫基于檢測的跟蹤法，該方法的經典步驟是提取圖像的特征，再利用SVM等機器學習利用背景學習訓練分類器，進行目標區域的分類。算法中定義當前幀的目標區域為正樣本，背景區域為負樣本，機器學習再利用訓練好的分類器尋找下一幀的最優區域進行目標的匹配。

隨著深度學習在各大領域的應用，研究人員不斷利用深度學習算法來優化跟蹤算法，判別式跟蹤方法也得到大力的優化及使用。在2015屆ISBI細胞跟蹤挑戰賽中，大部分的跟蹤算法都是基于檢測的目標跟蹤算法。但由于相稱顯微鏡下癌細胞存在高密度、形狀多變及因分裂和融合造成的目標間遮擋等各種挑戰，癌細胞跟蹤還存在很多問題。

發明內容

為了克服已有癌細胞在相稱顯微鏡下因高密度、形狀多變且應遮擋等問題造成的漏檢及誤檢情況從而造成癌細胞的難跟蹤問題，現有癌細胞跟蹤方法的跟蹤效率較低、跟蹤精度較低的不足,本發明提供了一種有效提高跟蹤效率和跟蹤精度的基于多特征融合的癌細胞跟蹤方法。

本發明解決其技術問題所采用的技術方案是：

一種基于多特征融合的癌細胞跟蹤方法，包括以下步驟：

步驟1，癌細胞的檢測，包括以下步驟：

1.1、制作數據集：使用voc2007數據集格式，人工對數據集進行Ground Truth(GT)的制作作為網絡的訓練集；