發(fā)布時間：2017-07-01 06:04

  本文關(guān)鍵詞：顯微視頻細胞分割與跟蹤方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：醫(yī)學(xué)中的大部分疾病都和細胞行為有關(guān)。細胞圖像分割與細胞跟蹤是研究細胞行為的重要手段。傳統(tǒng)細胞行為的研究往往是基于人工的方式,不但需要大量的人力,而且在跟蹤細胞過程中涉及細胞染色等化學(xué)操作,影響細胞的生理運動,從而影響跟蹤結(jié)果。因此借助計算機視覺相關(guān)理論完成細胞圖像分割與細胞跟蹤對于研究細胞行為具有重要的意義。由于細胞場景中存在細胞聚集、消失與分裂等復(fù)雜狀態(tài),使得一些經(jīng)典的圖像分割方法和目標跟蹤方法不能直接應(yīng)用于細胞場景中。本文正是基于此對細胞圖像分割和細胞跟蹤方法進行研究。本文主要完成了以下工作:1)針對黏連細胞問題提出了一種基于多尺度log-filter(Laplace of Gaussian filter)的四階段細胞圖像分割方法。該方法主要涉及閾值法提取細胞區(qū)域;基于多尺度log-filter檢測細胞中心;基于城市距離定位黏連細胞連接處,之后通過移除低灰度像素或者最近鄰方法得到粗分割結(jié)果;最后,通過增加梯度約束項改進主動輪廓模型調(diào)整分割結(jié)果,使得分割結(jié)果更加接近細胞的真實邊界。該方法在MCF-10A數(shù)據(jù)集上進行驗證,能夠得到較好的分割結(jié)果。2)為應(yīng)對細胞分裂、消失、新生等復(fù)雜情況,將細胞跟蹤問題轉(zhuǎn)化為分類問題,分別實現(xiàn)了基于有監(jiān)督學(xué)習(xí)和主動學(xué)習(xí)的細胞跟蹤。該方法通過挖掘細胞特征,基于GBDT有監(jiān)督學(xué)習(xí)訓(xùn)練,可以對未知樣本取得很好的跟蹤效果。針對目前細胞視頻標記樣本缺乏問題,采用主動學(xué)習(xí)的思想解決,通過制定篩選樣本策略使得標記很少的樣本就可以得到很高的正確率。3)PHD(Probability Hypothesis Density)濾波方法是基于隨機有限集統(tǒng)計的濾波方法,能夠跟蹤數(shù)目變化的目標,因此適合應(yīng)用于細胞場景中。本文通過分析顯微視頻圖像中細胞的多個特征,提取細胞中心位置、灰度均值和局部場景圖像熵三種特征,在狀態(tài)空間中表征細胞的運動學(xué)特征和圖像特征,用于自動化細胞跟蹤。實驗結(jié)果表明本文方法可以有效的同時跟蹤多個細胞,與采用單獨動力學(xué)特征的細胞跟蹤相比具有更高的跟蹤精度。
【關(guān)鍵詞】：細胞分割 細胞檢測 細胞跟蹤 PHD濾波 主動學(xué)習(xí) GBDT
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;R329.2
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 課題研究目的與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 細胞分割國內(nèi)外研究現(xiàn)狀10-11
• 1.2.2 細胞跟蹤國內(nèi)外研究現(xiàn)狀11-13
• 1.3 課題研究的主要內(nèi)容及章節(jié)安排13-15
• 1.3.1 主要研究內(nèi)容13-14
• 1.3.2 章節(jié)安排14-15
• 第2章 顯微圖像中的細胞檢測與分割15-31
• 2.1 引言15
• 2.2 基于閾值的細胞區(qū)域提取15-19
• 2.2.1 全局閾值法16-17
• 2.2.2 局部閾值法17-19
• 2.3 基于多尺度Log-filter的細胞中心檢測19-22
• 2.4 基于城市距離的細胞圖像分割22-25
• 2.5 基于梯度約束的主動輪廓細胞圖像分割25-28
• 2.5.1 主動輪廓模型25-26
• 2.5.2 改進的主動輪廓模型26-28
• 2.6 實驗結(jié)果與分析28-30
• 2.7 本章小結(jié)30-31
• 第3章 基于監(jiān)督學(xué)習(xí)和主動學(xué)習(xí)的細胞跟蹤31-52
• 3.1 引言31-32
• 3.2 前后幀細胞關(guān)聯(lián)特征分析32-40
• 3.2.1 細胞單體特征選擇32-34
• 3.2.2 細胞場景特征選擇34-40
• 3.3 基于有監(jiān)督學(xué)習(xí)的細胞跟蹤40-44
• 3.3.1 梯度提升樹40-42
• 3.3.2 構(gòu)造訓(xùn)練樣本42-44
• 3.4 基于主動學(xué)習(xí)的細胞跟蹤44-45
• 3.5 實驗結(jié)果與分析45-51
• 3.5.1 實驗數(shù)據(jù)45-46
• 3.5.2 有監(jiān)督學(xué)習(xí)實驗結(jié)果及分析46-50
• 3.5.3 主動學(xué)習(xí)實驗結(jié)果及分析50-51
• 3.6 本章小結(jié)51-52
• 第4章 基于多特征PHD濾波的細胞跟蹤52-67
• 4.1 引言52-53
• 4.2 基于PHD濾波的多目標跟蹤方法53-59
• 4.2.1 PHD濾波53-54
• 4.2.2 PHD濾波的粒子濾波實現(xiàn)54-57
• 4.2.3 基于PHD濾波的目標狀態(tài)關(guān)聯(lián)57-59
• 4.3 結(jié)合灰度信息的細胞PHD濾波跟蹤59-63
• 4.3.1 細胞狀態(tài)向量的建立59-61
• 4.3.2 結(jié)合灰度特征的PHD濾波細胞跟蹤算法61-63
• 4.4 實驗結(jié)果與分析63-66
• 4.4.1 實驗 1：MCF-10A數(shù)據(jù)集63-65
• 4.4.2 實驗 2：DCellIQ數(shù)據(jù)集65-66
• 4.5 本章小結(jié)66-67
• 結(jié)論67-68
• 參考文獻68-72
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果72-74
• 致謝74

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王啟忠;預(yù)測跟蹤方法及其誤差分析[J];數(shù)值計算與計算機應(yīng)用;1990年03期

2 張立吾,張玉琴;射線跟蹤方法在蒙特卡羅計算中的應(yīng)用[J];計算物理;1992年S1期

3 楊?,裴繼紅,楊萬海;實時光點檢測與跟蹤方法研究[J];紅外與毫米波學(xué)報;2001年04期

4 夏春艷;王敏杰;亓志斌;張偉;李樹平;;話題識別與跟蹤方法的研究[J];科技致富向?qū)?2012年08期

5 龔榮;甄軼佳;;適用于疲勞駕駛檢測的人眼跟蹤方法研究[J];科技信息;2009年16期

6 潘德惠;模型識別中幾種參數(shù)自適應(yīng)跟蹤方法的理論探討[J];東北工學(xué)院學(xué)報;1979年01期

7 邱立坤;龍志yN;鐘華;程葳;;層次化話題發(fā)現(xiàn)與跟蹤方法及系統(tǒng)實現(xiàn)[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2007年02期

8 鄒偉,原魁,劉晉東,杜清秀;一種基于雙信息源的人手空間跟蹤方法[J];高技術(shù)通訊;2003年02期

9 劉鐵軍,肖穎杰,史澤林;一種改進的區(qū)域相關(guān)跟蹤方法[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2001年03期

10 劉斌;馬曉川;侯朝煥;;基于卡爾曼濾波的單目標后續(xù)檢測與跟蹤方法[J];聲學(xué)技術(shù);2007年06期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 王寧;陳常念;陳加忠;范曄斌;王冼;;標定環(huán)境下基于粒子濾波的行人跟蹤方法[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

2 劉勛;孟驤龍;毋立芳;;基于自適應(yīng)對象模型的籃球運動跟蹤方法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

3 羅詩途;張s

本文編號：504781