基于电镜序列切片图像的突触检测方法与流程

技术特征：

1.一种基于电镜序列切片图像的突触检测方法，其特征在于，所述方法包括：

获取所述电镜序列切片图像；

对所述电镜序列切片图像进行拼接对准；

针对拼接对准后的单层电镜序列切片图像，利用Adaboost算法进行突触检测；

基于突触检测结果，进行基于突触特征的突触识别；

基于突触识别的结果，进行基于上下文线索的突触过滤；

基于突触过滤的结果，进行突触的三维重构。

2.根据权利要求1所述的方法，其特征在于，所述针对拼接对准后的单层电镜序列切片图像，利用Adaboost算法进行突触检测，具体包括：

创建训练样本；

利用所述训练样本的Haar特征来训练分类器，得到一个级联的boosted分类器；

利用所述级联的boosted分类器对所述突触进行识别检测，同时获取所述突触的位置信息。

3.根据权利要求1所述的方法，其特征在于，所述基于突触检测结果，进行基于突触特征的突触识别具体包括：

对所述突触的局部图像进行基于形态学的图像分割，得到突触致密带的备选位置；

基于所述突触致密带的备选位置，应用动态规划方法，将所述突触的局部图像分割为突触前、突触致密带、突触后；

根据所述突触前、所述突触后和所述突触致密带分别构造对应的统计特征；

对所述突触前中的囊泡进行基于Adaboost算法的检测，并根据检测的囊泡构造对应的统计信息；

针对所述突触中的所述囊泡建立正负样本库；

使用随机森林方法进行所述突触识别。

4.根据权利要求3所述的方法，其特征在于，所述对所述突触的局部图像进行基于形态学的图像分割，得到突触致密带的备选位置，具体包括：

对所述突触的局部图像进行形态学操作，得到所述突触的粗略结构；

利用二次多项式拟合方法将所述突触的粗略结构拟合成第一曲线；

将拟合出的第一曲线的端点确定为起止点，并使用Dijkstra算法，在所述突触的局部图像上确定第一最短路径；

以所述第一最短路径作为种子点，使用基于稀疏标记的区域增长方法获得所述突触致密带的备选位置。

5.根据权利要求4所述的方法，其特征在于，所述基于所述突触致密带的备选位置，应用动态规划方法，对突触前和突触后进行分割，具体包括：

利用二次多项式拟合方法将所述突触的粗略结构拟合成贯穿所述突触的局部图像的第二曲线；

将所述第二曲线的端点确定为起止点，并利用Dijkstra算法在所述突触的局部图像上确定第二最短路径；

对所述第二最短路径进行膨胀处理，则将所述突触的局部图像划分为二区域，并计算所述二区域的像素均值，从而将所述突触的局部图像分割为突触前、突触致密带、突触后。

6.根据权利要求3所述的方法，其特征在于，所述根据所述突触前、所述突触后和所述突触致密带分别构造对应的统计特征，具体包括：

分别计算所述突触前、所述突触后和所述突触致密区的均值和方差以及K阶矩，从而得到所述突触前、所述突触后和所述突触致密带的特征向量。

7.根据权利要求6所述的方法，其特征在于，所述对所述突触前中的囊泡进行基于Adaboost算法的检测，并根据检测的囊泡构造对应的统计信息，具体包括：

通过Adaboost算法检测出囊泡信息，并将所述囊泡的数量、均值、方差以及K阶矩添加至所述特征向量，从而构造所述囊泡的统计信息。

8.根据权利要求3所述的方法，其特征在于，所述使用随机森林方法进行所述突触识别具体包括：

步骤A：进行自举重采样；

步骤B：随机选择预定数量的所述特征；

步骤C：遍历所述各特征的每一种分割方式，确定最好的分割点，并分割成两个子节点；

步骤D：分别对每一所述子节点，执行步骤C，直至每一节点达到预定纯度为止。

9.根据权利要求8所述的方法，其特征在于，

所述两个子节点包括左子节点和右子节点；

所述确定最好的分割点包括：

根据以下公式确定信息量：

$L\left(R\right)=-\underset{i=1}{\overset{K}{\Σ}}{p}_{i}log\left(p_i\right)$

其中，所述L(R)表示对当前样本进行观察所得到的信息熵；所述p_i表示分到第i类的样本数量/样本总数量；i＝1，……K；所述K表示样本被分的类数；

根据以下公式确定所述特征的信息增益：

$\▿L(R,s)=L\left(R\right)-\frac{\left|R_{\mathrm{ls}}\right|}{\left|R\right|}L\left(R_{\mathrm{ls}}\right)-\frac{\left|R_{\mathrm{rs}}\right|}{\left|R\right|}L\left(R_{\mathrm{rs}}\right)$

其中，所述s表示所述特征；所述|R|表示当前节点处的样本数目；所述|R_ls|表示根据所述特征s分到所述左子节点的样本个数；所述|R_rs|表示根据所述特征s分到所述右子节点的样本个数；所述L(R_ls)表示根据所述特征s分到所述左子节点的样本的信息熵；所述L(R_rs)表示根据所述特征s分到所述右子节点的样本的信息熵；

将使所述信息增益最大的特征确定为所述最好的分割点。

10.根据权利要求1所述的方法，其特征在于，所述基于突触识别的结果，进行基于上下文线索的突触过滤，具体包括：

步骤E：确定利用随机森林方法在所述电镜序列切片图像中第i层图像中检测到的第j个突触R_i,j；其中，所述i表示所述电镜序列切片图像中图像的层数；所述j表示所述突触的序号；

步骤F：确定所述突触R_i,j的中心位置和突触R_i+1,k的中心位置之间的相对距离；其中，所述k取正整数；

步骤G：计算所述突触R_i,j与第i+1层图像上所有突触之间距离的最小值；

步骤H：如果所述最小值小于所述电镜序列切片图像中上下两层图像之间的最大偏移量，则将所述R_i,j和所述R_i+1,k确定为分布在所述电镜序列切片图像中的同一突触；

步骤I：针对所述电镜序列切片图像中所有层图像中检测到的所有突触，执行步骤F至步骤H，直至步骤G得到的距离最小值大于等于所述电镜序列切片图像中上下两层图像之间的最大偏移量；

判断所述突触R_i,j在所述电镜序列切片图像中出现的次数是否大于预定次数，若是，则确定所述突触R_i,j为真正的突触，否则，确定所述突触R_i,j为伪突触。