专利名称：一种基于荧光显微图像的亚细胞定位方法
技术领域：
本发明属于生物信息技术领域，特别涉及一种基于荧光显微图像的亚细胞定位方法。
背景技术：
基因革命引领了基因和蛋白质测序的快速增长，现在，人们的关注力转向了编码蛋白质的功能。亚细胞定位是指某种蛋白或表达产物在细胞内的具体存在部位。如仅在核内存在，还是胞质内存在，还是细胞膜上存在，这在生物信息学上有很重要的意义。目前自动荧光显微技术的发展，使得蛋白质亚细胞可以在高通量的情况下成像定位，因此需要快速的自动计算技术和有效的算法来对亚细胞图像进行有效的量化、辨识和分类。目前，人们把计算机技术应用到生物学领域，利用计算机来代替部分人类的脑力 劳动对海量的生物信息进行辨识和分类，从中得出有价值的信息[2]。图像统计已经证明在区分定位方面有很成功的应用，但其常用的方法计算相对较慢，并经常需要从实验图像中单独选择细胞，从而限制了处理能力和潜在应用的范围。
发明内容
本发明的目的是提供一种基于荧光显微图像的亚细胞定位方法。本发明的技术方案是，一种基于荧光显微图像的亚细胞定位方法，包括以下步骤步骤1，首先对基于荧光显微图像的亚细胞定位图像进行预处理，对每一副亚细胞定位图像，计算其像素值大于30的所有像素的均值U，然后把值小于u-30的像素点的像素值赋为零，得到预处理后的亚细胞定位图像，步骤2，计算亚细胞图像定位像素点与其邻接点的差值，即在步骤I中得到预处理后的亚细胞定位图像中，对每一个像素值大于零的像素点，计算与其邻接的8个像素点的像素差值，把大于该像素点值的邻接点标记为1，否则标记为O,然后以该像素点周围标记为I的邻接点的个数把该像素点划归为9类；步骤3，提取亚细胞定位图像特征，即通过步骤2，首先统计出该亚细胞定位图像每一类包含的像素点个数，其次，根据亚细胞定位图像像素点的差值矩阵模型，统计每一类的亚细胞定位图像像素点的大于零的值总和和小于零的值总和，最后再根据每一类中各个像素点差值的绝对值之和，可以得到每一类的方差，这样总共得到36组特征量；步骤4，根据提取的36组亚细胞定位图像特征量，利用支持向量机算法，对亚细胞定位图像进行训练预测，实现基于荧光显微图像的亚细胞定位。步骤I中所述的对亚细胞定位图像进行预处理步骤包括，首先，对于亚细胞定位图像，筛选出亚细胞图像中值大于30的像素值，并计算其均值U，如式I所示Sum Value= Σ (1>30). (I)
u=mean (Sum Value).然后把该图像中值小于u-30的像素值赋为零，如式2所示，1=0, if (Ku-30) (2)步骤2中所述的亚细胞图像定位像素点与其邻接点的差值的步骤包括，根据预处理后得到的亚细胞定位图像，其像素值范围为0，u-30 255，在图像1>0的像素点，计算其与邻接点的差值，如式3所示，差值大于零的标记为1，其他的标记为0，得至IJ下表中9种模型矩阵，每一个像素点对应表中一种情况，得到(0)-(8)共9种特征量，
权利要求
1.一种基于荧光显微图像的亚细胞定位方法，其特征在于，包括以下步骤步骤1，首先对基于荧光显微图像的亚细胞定位图像进行预处理，对每一副亚细胞定位图像，计算其像素值大于30的所有像素的均值U，然后把值小于U-30的像素点的像素值赋为零，得到预处理后的亚细胞定位图像，步骤2，计算亚细胞图像定位像素点与其邻接点的差值，即在步骤I中得到预处理后的亚细胞定位图像中，对每一个像素值大于零的像素点，计算与其邻接的8个像素点的像素差值，把大于该像素点值的邻接点标记为I，否则标记为O,然后以该像素点周围标记为I的邻接点的个数把该像素点划归为9类；步骤3，提取亚细胞定位图像特征，即通过步骤2，首先统计出该亚细胞定位图像每一类包含的像素点个数，其次，根据亚细胞定位图像像素点的差值矩阵模型，统计每一类的亚细胞定位图像像素点的大于零的值总和和小于零的值总和，最后再根据每一类中各个像素点差值的绝对值之和，可以得到每一类的方差，这样总共得到36组特征量；步骤4，根据提取的36组亚细胞定位图像特征量，利用支持向量机算法，对亚细胞定位图像进行训练预测，实现基于荧光显微图像的亚细胞定位。
2.如权利要求1所述的基于荧光显微图像的亚细胞定位方法，其特征在于，步骤I中所述的对亚细胞定位图像进行预处理步骤包括，首先，对于亚细胞定位图像，筛选出亚细胞图像中值大于30的像素值，并计算其均值 U，如式I所示Sum Value= Σ (1>30). (I) u=mean(Sum Value).然后把该图像中值小于u-30的像素值赋为零，如式2所示，1=0, if (Ku-30) (2)。
3.如权利要求1所述的基于荧光显微图像的亚细胞定位方法，其特征在于，步骤2中所述的亚细胞图像定位像素点与其邻接点的差值的步骤包括，根据预处理后得到的亚细胞定位图像，其像素值范围为0，u-30 255，在图像1>0的像素点，计算其与邻接点的差值，如式3所示，差值大于零的标记为I，其他的标记为0，得到下表中9种模型矩阵，每一个像素点对应表中一种情况，得到(0)-(8)共9种特征量，
4.如权利要求1所述的基于荧光显微图像的亚细胞定位方法，其特征在于，步骤3中所述的提取亚细胞定位图像特征步骤包括，邻接点差值计算之后，统计出该亚细胞图像每一类包含的像素点个数，其次，根据亚细胞图像像素点的差值矩阵，对该点大于零和小于零的差值分别求和，再求该点差值的绝对值之和，如式4所示，然后分别统计每一类的亚细胞图像像素点的大于零的值总和和小于零的值总和，最后再根据每一类中各个像素点差值的绝对值之和，可以得到每一类的方差，这样总共得到36组特征量，suml= Σ (l_b>0) sum2= Σ (l_b〈0) (4) sum3=suml_sum2这样通过累加之后,每种情况下亚细胞图像像素点的suml和sum2，以及sum3的方差， 再加上每种情况下亚细胞图像像素点的总个数，一共可以提取出亚细胞图像的9x4=36组特征量。
5.如权利要求1所述的基于荧光显微图像的亚细胞定位方法，其特征在于，步骤4中所述的对于亚细胞定位图像训练预测的步骤包括，采用荧光抗体或者其他探剂检测的包括10类细胞器的特定细胞器的内源性蛋白或要素，每幅图像被附有一个附加的用DNA特定染剂4’，6- 二脒基-2-苯基吲哚(DAPI)复染的细胞图像，该染剂凸显图像中每一个细胞的细胞核位置，收集的502副内源性定位图像，均为固定的HeLa细胞图像，取自油浸下60倍率，该图像均为768x512像素的8位灰度图像，每幅含有13个细胞。
全文摘要
本发明公开了一种基于荧光显微图像的亚细胞定位方法。对每一副亚细胞定位图像计算其像素值大于30的所有像素均值u，对像素值小于u-30的赋予零值，得到预处理后的亚细胞图像。计算图像中每一个灰度值大于零的像素点与其8个邻接点差值，把大于该中心像素点值的邻接点标记为1，否则标记为0，每个中心像素点8领域为1的个数分别为0到8。根据该像素点周围标记为1的邻接点的个数把该像素点划归为9类。统计出图像每一类包含的像素点个数。根据图像像素点的差值矩阵模型，可得到每类像素点的邻接正值之和、负值之和、绝对值之和，总共得到36个特征量。最后，根据提取的36组亚细胞图像特征量，利用支持向量机算法，对图像进行训练预测。
文档编号G06F19/18GK103020488SQ201210588110
公开日2013年4月3日 申请日期2012年12月29日 优先权日2012年12月29日
发明者黄继风, 李超, 胡金家, 黄虹, 汪雪红, 郑利 申请人:上海师范大学