RNAi細(xì)胞圖像自動(dòng)分割方法研究.pdf

1、近年來，RNA干擾技術(shù)正逐步成為一種有效的工具，為輔助生物學(xué)家了解基因在復(fù)雜生物過程中的功能起到了重要的作用，然而，熒光顯微鏡對(duì)該過程的自動(dòng)成像則會(huì)產(chǎn)生海量數(shù)據(jù)的圖像，且這些圖像質(zhì)量變化很大，導(dǎo)致傳統(tǒng)的人工分析方法費(fèi)時(shí)費(fèi)力且不準(zhǔn)確。因此，通過計(jì)算機(jī)對(duì)細(xì)胞圖像進(jìn)行自動(dòng)分析成為當(dāng)前的追切需要，其中圖像分割是圖像分析過程的第一步也是最重要的一步。但是，現(xiàn)有的圖像分割技術(shù)應(yīng)用于生物圖像難以取得滿意的效果，因此，研究開發(fā)出有效的全自動(dòng)生物圖像分割

2、算法方法具有重要的理論意義和實(shí)際的應(yīng)用價(jià)值。 本文在Boykov等人提出的graph cut分割模型基礎(chǔ)上，重點(diǎn)研究針對(duì)具有大規(guī)模數(shù)據(jù)輸出的RNAi圖像的全自動(dòng)圖像分割方法，論文的主要工作及創(chuàng)新之處在于： 一、本文提出了一種改進(jìn)的基于graph cut的動(dòng)態(tài)輪廓算法用予對(duì)具有復(fù)雜形狀的單細(xì)胞快速分割。 由于細(xì)胞具有復(fù)雜的形狀，傳統(tǒng)的分割方法往往難以獲得滿意的效果。本文提出的方法以graph cut的動(dòng)態(tài)輪廓算法為

3、基礎(chǔ)，引入約束項(xiàng)因子作為圖像先驗(yàn)信息，對(duì)圖像進(jìn)行增強(qiáng)；并引入小波顯著特征點(diǎn)的概念，通過自動(dòng)尋找小波顯著特征點(diǎn)作為控制點(diǎn)，對(duì)分割結(jié)果進(jìn)行修正，從而進(jìn)一步提高了分割精度。特別地，由于采用了窄帶法的思想，該算法運(yùn)算量非常小，非常適用于快速分割。 二、本文提出一種分級(jí)化的多標(biāo)記graph cut算法以自動(dòng)分割粘連細(xì)胞。 當(dāng)前的生物圖像分割算法往往對(duì)感興趣的物體直接分割，然而，由于RNAi圖像的復(fù)雜性，現(xiàn)有方法建立的數(shù)學(xué)模型相對(duì)簡

4、單，從而難以得到滿意的結(jié)果。本文提出的方法采用了類似于分類樹結(jié)構(gòu)的分級(jí)化算法，通過兩步分割來解決問題：首先是將粘連細(xì)胞從背景中提取出來；其次對(duì)粘連細(xì)胞進(jìn)行分離。在每一步中，我們可以通過設(shè)計(jì)不同的馬爾可夫隨機(jī)場模型分開解決不同的難題，從而簡化了對(duì)粘連細(xì)胞分割的難度并大大提高了分割的精度。 與現(xiàn)有流行的圖像分割算法，如標(biāo)記約束的分水嶺算法，水平集方法相比，本文提出的兩種算法在RNAi細(xì)胞分割的應(yīng)用上做出了顯著的改進(jìn)，因此，本文提出的