曲線結構檢測在斑馬魚生物圖像研究中的應用.pdf

1、隨著后基因組時代的到來，為了研究基因組的功能、基因與顯形之間的關系、生物藥物的開發(fā)以及系統(tǒng)生物學等，現(xiàn)代生物學實驗需要通過高通量高內涵的生物成像設備產生海量圖像及相關數(shù)據(jù)，并對其進行詳細的分析和統(tǒng)計才能回答特定的生物學問題。因此圖像自動分析及系統(tǒng)建模方法將成為必須的手段。 斑馬魚是疾病建模和藥物開發(fā)的重要生物模型。斑馬魚圖像處理和分析對于大范圍、高通量成像的可再生性定量分析具有重大意義。本論文作為哈佛醫(yī)學院與西北工業(yè)大學生物醫(yī)學

2、成像與分析聯(lián)合實驗室ZFIQ(斑馬魚圖像自動分析系統(tǒng))項目的一部分，針對斑馬魚axon對衡量基因與顯型之間關系的重要性，分別提出了半自動的和自動的曲線檢測方法。本文主要工作如下： 1．對目前存在的曲線結構檢測方法進行分類，并重點介紹了模式識別技術、基于模型的方法和基于跟蹤的方法。最后簡單介紹了曲線檢測方法在生物醫(yī)學研究，尤其在斑馬魚axon的檢測，熒光顯微鏡neurite圖像的檢測以及血管的分割上的應用和意義。 2．提出

3、一種基于Diikstra最短路徑的半自動的曲線檢測方法。首先構造修正的Hessian矩陣，計算其特征值和特征向量。然后由其特征值和特征向量構造最小權值函數(shù)。在由人工確定起始點及終止點后，由Dijkstra最短路徑算法按照起點生成其對應的direction map，然后由終點反方向追蹤直至起點，從而確定路徑，完成對曲線的檢測。對不同形態(tài)斑馬魚axon圖像的試驗結果表明陔方法能夠精確地檢測出曲線的主要分支結構，并確定線長。 3．提出

4、了一種全自動的曲線檢測方法。由Hessian矩陣的特征值確定曲線搜索的起始點和候選點，在八鄰域內按兩點之間距離和法線夾角之和最小的準則確定連接點進行連線。在垂直于脊線的兩個方向不進行搜索，從而避免并行點的產生，消除了多響應。針對初步連接候選點后存在斷點的問題，提出一種以終點為圓心畫圓在圓內沿脊線方向搜索連接點的方法，能有效的連接斷丌處。將曲線細化為單像素寬，避免對曲線中心線長度的錯誤計算。該方法可自動有效地提取曲線。對斑馬魚不同形態(tài)ax