本发明涉及一种小鼠前额叶神经元双光子荧光图像的自动分割方法,属于图像处理技术领域。
背景技术:
双光子荧光成像技术由于具有分辨率高、可以用于活体实验等优点,被广泛的应用于神经生物学领域。同时,科研人员的实验需求已不再局限于对实验对象的可视化观察等单一领域,在许多场合需要对采集的实验数据进行更高层次的定量分析。而双光子荧光图像中自动分割神经元细胞是各种定量分析应用中的关键任务,但对于自动神经元细胞图像分割任务来说,依然存在三大挑战:(1)神经元细胞黏连严重,形成致密的簇状结构,细胞边界非常不明显。即使对生物学家来说,使得难以正确识别所有的单独细胞。(2)荧光染料常由于扩散不均匀,导致荧光图像有一些位置对比度低,轮廓模糊难以辨认。(3)像素精度级别的标记样本数据很难获得,数据集的规模十分有限。对于上述挑战,传统的基于区域或小波变换的分割方法准确率低,同时鲁棒性也较差,难以应用于实际的数据分析中去。因此,亟需一种小鼠前额叶神经元双光子荧光图像的自动分割方法。
技术实现要素:
为了能够解决神经生物学领域科研人员对小鼠前额叶神经元双光子荧光图像的定量分析的中,传统的基于区域或小波变换的分割方法准确率低,同时鲁棒性也较差,难以应用于实际的数据分析中的不足,本发明的目的在于提供一种小鼠前额叶神经元双光子荧光图像的自动分割方法。
为了实现上诉目的,本发明的技术方案如下:
一种小鼠前额叶神经元双光子荧光图像的自动分割方法,由以下步骤组成:
1)采集使用钙离子指示剂染色的小鼠前额叶神经元双光子图像数据;优选的,所述的小鼠前额叶神经元实验样本在采集前使用钙离子指示剂以及显色剂标记;优选的,所述的采集图像数据时采用的双光子荧光扫描序列为2d点扫描序列;优选的,所述的图像数据使用过8-16赫兹扫描频率采样获得。
2)将采集到的图像数据进行图像增强处理;优选的,所述的图像增强方法包括:水平翻转、垂直翻转、随机旋转(1到180度之间)一定角度,每个操作以50%的概率随机应用于训练样本中。
3)将图像增强处理后的数据使用带模糊边界的实例标注方法得到l个子图及标注集合;优选的,所述的带模糊边界的实例标注方法首先采用保守的标注方案提取可靠的标注样本,然后对于细胞边界的模糊像素,设置一个间隙区域,用于区别于细胞和背景。
4)将l个子图及标注集合训练图像分割网络模型m;优选的,所述的图像分割网络模型m是经过有监督学习得到的非线性映射,通过把残差网络微结构嵌入u-net为模板的多尺度特征融合框架里,构建全卷积神经网络。
5)将新采集的小鼠前额叶神经元双光子图像通过训练好的网络模型m进行自动分割;
6)将网络模型m的分割结果通过形态学后处理得到最终分割结果。
综上所述,一种小鼠前额叶神经元双光子荧光图像的自动分割方法,主要创新之处在于:通过把残差网络微结构嵌入u-net为模板的多尺度特征融合框架里,构建全卷积神经网络;同时采用带模糊边界的实例标注方法来训练全卷积神经网络,得到了输入输出图像数据之间的非线性映射,进而通过该网络,实现在小鼠前额叶神经元双光子荧光图像的自动分割。
附图说明
图1为本发明的整体流程图
图2为本发明的一个分割结果图
具体实施方式
下面通过具体实施例对本发明进行说明,但本发明并不局限于此。
如图1所示,本发明的一种小鼠前额叶神经元双光子荧光图像的自动分割方法,首先采集使用钙离子指示剂染色的小鼠前额叶神经元双光子图像数据;然后将采集到的图像数据进行图像增强处理;并将图像增强处理后的数据使用带模糊边界的实例标注方法得到l个子图及标注集合;进而将l个子图及标注集合训练图像分割网络模型m;接着将新采集的小鼠前额叶神经元双光子图像通过训练好的网络模型m进行自动分割;最终将网络模型m的分割结果通过形态学后处理得到最终分割结果输出。
本实施例中小鼠前额叶神经元实验样本在采集前使用钙离子指示剂以及显色剂标记,采集图像数据时采用的双光子荧光扫描序列为2d点扫描序列,并使用过8赫兹扫描频率采样获得。
本实施例中图像增强方法包括:水平翻转、垂直翻转、随机旋转(1到180度之间)一定角度,每个操作以50%的概率随机应用于训练样本中。
本实施例中图像分割网络模型m是经过有监督学习得到的非线性映射,通过把残差网络微结构嵌入u-net为模板的多尺度特征融合框架里,构建全卷积神经网络。具体来说,该网络包括转换模块、编码器模块、解码器模块以及预测模块。其中转换模块使用7x7的卷积操作和relu操作使输入数据(双光子图像数据)在一个更加丰富的特征空间表达。编解码器主要由4个不同的尺度构成,在尺度k中(k=1,…,4),编码器模块k主要负责抽取细节信息,解码器模块k负责整合本尺度抽取的抽象概念,也就是神经元细胞的位置信息。预测模块采用1x1的卷积操作和softmax方法,输出表示每个像素属于神经元的概率。
图2显示为采用本发明得到的神经元的自动分割结果;图像给出三例典型的小鼠前额叶神经元的双光子荧光成像的结果图,(a)列为双光子显微镜采集的原始图像,(b)列为本发明的自动分割结果,(c)列为人工标注结果。结果表明本方法能够较好的自动分割小鼠前额叶神经元双光子荧光图像,可以有效区分开细胞黏连的情况,并且在信噪比较低的区域也具有较精确的分割结果。