基于共聚焦顯微鏡圖像的亞細胞結(jié)構(gòu)檢測與跟蹤算法研究.pdf

1、數(shù)字化熒光成像技術(shù)和分子級生物著色技術(shù)的不斷發(fā)展,極大地推動了研究者對亞細胞結(jié)構(gòu)的直接觀察和相關研究。研究人員通過綠色熒光蛋白質(zhì)來標記亞細胞分子結(jié)構(gòu),實現(xiàn)了活細胞的動態(tài)分子生物學研究。然而,在亞細胞結(jié)構(gòu)的數(shù)字化顯微鏡技術(shù)迅速發(fā)展的同時,研究亞細胞結(jié)構(gòu)所產(chǎn)生的數(shù)字化圖像數(shù)據(jù)也變得非常龐大。因此,自動分析和處理這些圖像數(shù)據(jù),并對亞細胞結(jié)構(gòu)的運動進行定量分析十分必要。
　　針對亞細胞結(jié)構(gòu)的運動定量分析問題,本文基于共聚焦顯微鏡的亞細胞結(jié)

2、構(gòu)圖像序列,研究細胞內(nèi)被綠色熒光蛋白質(zhì)所標記的亞細胞結(jié)構(gòu)的檢測和跟蹤算法。主要研究內(nèi)容如下:
　　(1)本文研究了常用的圖像去噪與分割方法,分析和總結(jié)了現(xiàn)有方法的優(yōu)缺點,針對亞細胞結(jié)構(gòu)圖像分析和目標跟蹤的特點,提出了一種基于標記圖像模型的亞細胞結(jié)構(gòu)檢測方法。
　　(2)完成了亞細胞結(jié)構(gòu)的多目標跟蹤算法建模。利用最小包圍盒(Minimun Bounding Box, MBB)描述單個亞細胞結(jié)構(gòu),并基于序貫蒙特卡洛算法(Sequ

3、ential Monte Carlo,SMC)形成聯(lián)合狀態(tài)對多個亞細胞結(jié)構(gòu)進行表示,最后設計了包含五種跳轉(zhuǎn)的可逆跳馬爾可夫鏈蒙特卡洛( Reversible Jump Markov chain Monte Carlo,RJMCMC)算法,對多個亞細胞結(jié)構(gòu)的聯(lián)合狀態(tài)空間模型進行采樣,實現(xiàn)了高效的多個亞細胞結(jié)構(gòu)的跟蹤算法。
　　(3)完成了多個亞細胞結(jié)構(gòu)之間相互作用的建模。通過引入“輔助高度變量”和基于RJMCMC采樣的“高度互換跳轉(zhuǎn)

4、”,實現(xiàn)了對亞細胞結(jié)構(gòu)相互遮擋的建模。
　　(4)本文提出標記殘留圖像算法,完成了亞細胞結(jié)構(gòu)在圖像場景中任意時間和任意位置出現(xiàn)和消失現(xiàn)象的算法建模。通過比較前后兩幀亞細胞結(jié)構(gòu)的二值圖像,檢測可能新出現(xiàn)的亞細胞結(jié)構(gòu),利用基于RJMCMC采樣的“出現(xiàn)跳轉(zhuǎn)”引入新出現(xiàn)的亞細胞結(jié)構(gòu)。通過 RJMCMC采樣的“消失跳轉(zhuǎn)”,刪除消失的亞細胞結(jié)構(gòu)。從而實現(xiàn)了對數(shù)目變化的多個亞細胞結(jié)構(gòu)的跟蹤。
　　(5)為驗證本文所提出的亞細胞結(jié)構(gòu)檢測和跟