基于全局和局部层次最优的细胞跟踪方法
【技术领域】
[0001] 本发明涉及的是一种图像处理领域的技术，具体是一种分层次的思想，解决细胞 检测和跟踪准确率低的问题。首先对全局图像进行处理，通过自动检测识别出当前阶段的 检测和跟踪误差，通过对局部最优化处理进一步提高精度，得到完整轨迹。具体应用是:通 过在显微镜下跟踪大规模细胞运动建模出细胞谱系，用于分析细胞在不同药物和环境下细 胞周期和细胞活性的变化。
【背景技术】
[0002] 显微镜下细胞的检测和跟踪是研究细胞生命活动的重要手段，其中包括单个细胞 的发育、增殖、分化以及多个细胞间相互作用，细胞骨架的迀移，由此来预测细胞的命运。这 一技术的广泛应用是在体外进行细胞培养跟踪，例如大规模数字细胞分析系统(LSDCAS)可 以自动获取细胞培养的图像序列来分析细胞的动态特征。
[0003] 体外细胞跟踪的前提条件，是自动化等间隔的地获取高分辨率的图片。通常这一 系统是由传统的显微镜装置机械坐标轴以及气温室构成，通过等时间间隔得到的一系列图 像堆栈作为跟踪算法应用的原始数据集。
[0004] 常用的显微镜成像工具有荧光显微镜和相差显微镜。荧光显微镜使用紫外线照射 指定细胞，使其发出荧光，用于研究细胞内物质吸收，运输，细胞器分布。对于不能发光的物 质，可以使用荧光素标记，照射后进行成像。因此荧光显微镜广泛的应用于生物作用分析和 药物分析，同时在显示细胞多样性，统计细胞观察结果时提供大量的信息。但由于荧光素的 不均匀分布造成细胞亮度的不均匀，同时由于光照射对细胞的损害，成像采样频率也受到 限制。
[0005] 相差显微镜在成像中利用光的衍射原理，可用于未经染色的标本和活细胞，解决 了采样频率和跟踪时间的问题，但是由于光照在细胞周围产生光晕，使得细胞检测的精度 受到影响。同时，随着成像技术的发展，生成图像的分辨率和细胞的规模也提高到新的水 平，传统的手工检测跟踪细胞用以定量分析信息变得不再适用。
[0006] 现有的自动化跟踪可以分为三类：（1)基于先检测再跟踪的方法；（2)基于轮廓模 型演化的跟踪方法；（3)基于贝叶斯框架的概率假设跟踪方法。先检测再跟踪的方法是最早 最广泛的使用，这种方法将细胞有丝分裂和跟踪分开处理，首先对于输入的图像序列每一 帧进行分割处理，提取细胞的特征，常见的包括面积，周长，灰度值，近圆率，用以定量的描 述细胞外形特征。在跟踪阶段，基于细胞特征相似性进行匹配。同时使用机器学习的方法对 于细胞分裂事件进行识别，需要手动得到一批真实值进行训练。该方法存在的不足是：由于 细胞形态的特异性，在跟踪匹配的过程中对细胞特征的提取具有特异性，可拓展性和移植 性不高，后期需要手动纠正轨迹误差。
[0007] 基于轮廓模型演化的跟踪方法在算法原理上很好解决了细胞分裂带来的数量变 化问题，该方法对于每一个细胞都会构造相应能量函数表达式，通过迭代使得初始曲线不 断接近细胞轮廓。该方法存在的不足是:在跟踪开始时需要对第一帧细胞轮廓进行手动初 始化，对于细胞移入移出视野带来的数量变化需要重新构造能量函数，同时这一方法在迭 代的过程非常耗时，细胞规模受到计算成本的限制。
[0008] 基于贝叶斯框架的概率方法在解决稀疏分布的细胞跟踪问题时精确度很高，该方 法是应用当前已有的状态数据对每个跟踪的细胞进行建模，可以是测量模型或者是动态模 型，对细胞下一步的状态进行预测。该方法存在的不足是:需要预先人机交互或者其他初始 化得到真实数据集进行训练，同时随着细胞分裂带来的规模增大，计算复杂度也呈指数型 增长。
[0009] 经过对现有技术的检索发现，中国专利文献号CN101968886A，公开（公告）日 2011.02.09,公开了一种基于质心跟踪框架的粒子滤波与均值漂移的细胞跟踪方法，主要 解决现有细胞跟踪方法正确率低的问题。其过程为:对视频图像进行二值化分割，提取每个 细胞的中心位置;对细胞进行质心跟踪，记录细胞的跟踪轨迹;将轨迹的起始和终止坐标分 别记录起始坐标集合和终止坐标集合中，选择待跟踪细胞;采用粒子滤波对待跟踪细胞的 轨迹进行一步预测，得到在下一帧图像中的预测坐标点;根据预测的坐标点，适时采用均值 漂移方法，选择待跟踪细胞的后续跟踪轨迹;循环预测和选择步骤直到最后一帧图像，完成 对所有细胞的跟踪。但该现有技术与本发明相比，其无法解决的技术问题包括细胞间粘连 问题带来的检测误差，跟踪细胞数量受到算法限制的问题，细胞移出移入视野带来的数量 变化问题，以及细胞分裂的匹配问题。
[0010] 中国专利文献号CN102509289A，公开（公告）日2012.06.20，公开了一种基于卡尔 曼框架下特征匹配细胞分裂方法，主要解决医学序列图像跟踪当中存在的分裂问题，并进 一步提高跟踪的正确率。其实现步骤为：1)分割图像;2)确定质心;3)预测跟踪;4)判断预测 点处是否存在细胞;5)判断被跟踪细胞是否为分裂细胞;6)重复执行步骤3)、步骤4)、步骤 5)，完成对所有细胞的跟踪，得到细胞的跟踪轨迹段;7)特征匹配。但该现有技术与本发明 相比，其无法解决的技术问题包括随着跟踪细胞数量增长，预测带来的计算规模变大，不能 解决由于细胞遮挡和噪声带来的检测误差，不能解决细胞短暂消失后重现的情况，对于细 胞分裂后用面积的方法判断分裂情况不具有鲁棒性，易受到噪声干扰。
[0011] 综上，现有的细胞检测跟踪方法有如下缺点：（1)检测的准确率受到细胞粘连的影 响，同时细胞成像亮度不均匀带来过分割问题以及噪声带来的检测误差；（2)不同细胞表型 的特异性使得算法针对特定数据集，不具有可拓展性；（3)由于同类细胞外表差异不大，细 胞分裂后，表型特征在子细胞识别关联的过程中不具有很好区分性；（4)对于大规模细胞跟 踪时的各种细胞事件:快速突然运动，分裂，移出移入，短暂消失，遮挡情况，大多针对的特 定的一种情况处理，没有很好的统一解决方案；（5)细胞跟踪规模受到算法限制，计算时间 增长快；（6)算法需要手动设定初始状态或者参数，不能实现完全自动化跟踪，后期需要人 工纠正偏差。
【发明内容】
[0012] 本发明针对现有技术存在的上述不足，提出一种基于全局和局部层次最优的细胞 跟踪方法，在先检测再跟踪的基础上，根据全部和局部层次最优的思想提出新的跟踪框架， 对于检测和跟踪的中间结果自动识别错误对局部进行修正。同时利用细胞的位置信息实现 细胞分裂的子细胞关联，对不同的数据集具有良好的通用性。
[0013] 本发明通过以下技术方案实现：
[0014] 本发明对采集到的图像以大津法进行初次分割，通过椭圆拟合初次分割得到的独 立区域，识别出欠分割的粘连细胞，再使用小波变换方法进一步分割，计算分割后所有细胞 的质心作为细胞唯一特征，使用二分图匹配方法对细胞的帧间关联，再分别对细胞移入、细 胞移出、细胞分裂和细胞遮挡事件进行识别处理，循环匹配并得到不完整的细胞轨迹段，通 过对细胞轨迹段分析识别纠错，最终基于局部最优生成完整细胞轨迹。
[0015] 所述的细胞的质心为
，其中：（XQ，yQ)为细胞质心，Μ为该 区域像素点个数。
[0016] 所述的二分图匹配方法是指：以相邻帧间的细胞质心作为点集，建立二分图G = (V，E)，其中：相邻帧细胞质心分别构成两个不