基于共聚焦顯微鏡圖像的亞細胞結構檢測與跟蹤算法研究.pdf

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

2、構圖像序列,研究細胞內被綠色熒光蛋白質所標記的亞細胞結構的檢測和跟蹤算法。主要研究內容如下:
　　(1)本文研究了常用的圖像去噪與分割方法,分析和總結了現有方法的優(yōu)缺點,針對亞細胞結構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構檢測方法。
　　(2)完成了亞細胞結構的多目標跟蹤算法建模。利用最小包圍盒(Minimun Bounding Box, MBB)描述單個亞細胞結構,并基于序貫蒙特卡洛算法(Sequ

3、ential Monte Carlo,SMC)形成聯合狀態(tài)對多個亞細胞結構進行表示,最后設計了包含五種跳轉的可逆跳馬爾可夫鏈蒙特卡洛( Reversible Jump Markov chain Monte Carlo,RJMCMC)算法,對多個亞細胞結構的聯合狀態(tài)空間模型進行采樣,實現了高效的多個亞細胞結構的跟蹤算法。
　　(3)完成了多個亞細胞結構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

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