一种基于池化时间序列特征表示的细胞分裂事件识别方法技术

本发明专利技术公开了一种基于池化时间序列特征表示的细胞分裂事件识别方法，所述细胞分裂事件识别方法包括以下步骤：在样本数据库中，提取样本相关特征，将所有样本特征的集合定义为初始特征库；初始特征矩阵的每一横向维度为一个时间序列，将多种池化算子应用于时间金字塔结构，将池化后的结果级联为一个向量，作为样本的最终表示；分别计算训练集和测试集的核矩阵，应用支持向量机作为分类器，获取最终的预测结果。本发明专利技术避免了对序列的每一帧进行分析，而是将整个序列在空域和时域上联合作为整体，保留了帧与帧之间的时域关系，提高了序列分类预测结果，可以应用于多种视频序列内容分析。

A cell splitting event recognition method based on pool time series feature representation

The invention discloses a pool based on time series feature representation of cell division event recognition method, the cell division event recognition method comprises the following steps: in the sample database, sample related features, will be set of all sample characteristics as the initial feature library; the initial feature matrix of each lateral dimension for one time series, a variety of pool operator applied to Pyramid time structure, will pool the results after the cascade as a vector, said as the final sample; nuclear matrix of the training set and test set were calculated. The application of support vector machine is used as classifier to obtain final prediction results. The invention avoids each frame of the sequence analysis, but the whole sequence as in space and time, retained the temporal relationship between frames, improve the prediction results of sequence classification, can be applied to a variety of video content analysis.

【技术实现步骤摘要】
一种基于池化时间序列特征表示的细胞分裂事件识别方法
本专利技术涉及细胞分裂事件检测领域，尤其涉及一种基于池化时间序列特征表示的细胞分裂事件识别方法。
技术介绍
细胞生命规律的探索是生物医学研究中的一个重要方面。为了实现人为可控的细胞培养，以解决医学中的相关难题，为疾病的预防、诊断和治疗服务，细胞工程应运而生。干细胞增殖期的有丝分裂行为分析是一项很重要的指标，比如在癌症检查的评估中，及组织工程学等领域，之前，这项工作只能依靠生物学家的人工注释，工作量浩大，消耗大量的人力物力。为了解决高通量的细胞数据分析，提高效率，降低各方面的损耗，自动的细胞分裂事件检测和定位就显得十分迫切和必要。细胞分裂事件检测是基于数字图像处理、计算机视觉和机器学习等技术，借助于计算机处理技术，自动识别和定位分裂事件的研究。目前，在显微镜图像序列下的细胞分裂事件检测技术主要分为三类：基于特征的方法、基于轨迹的方法和基于图模型的方法。基于特征的方法通过对图像序列的处理提取局部特征直接检测细胞分裂状态，Li等人[1]把细胞分裂事件当成时空域中一个局部事件来进行检测，应用级联分类器对三维Haar-like特征描述的图像序本文档来自技高网...

【技术保护点】
一种基于池化时间序列特征表示的细胞分裂事件识别方法，其特征在于，所述细胞分裂事件识别方法包括以下步骤：在样本数据库中，提取样本相关特征，将所有样本特征的集合定义为初始特征库；初始特征矩阵的每一横向维度为一个时间序列，将多种池化算子应用于时间金字塔结构，将池化后的结果级联为一个向量，作为样本的最终表示；分别计算训练集和测试集的核矩阵，应用支持向量机作为分类器，获取最终的预测结果。

【技术特征摘要】
1.一种基于池化时间序列特征表示的细胞分裂事件识别方法，其特征在于，所述细胞分裂事件识别方法包括以下步骤：在样本数据库中，提取样本相关特征，将所有样本特征的集合定义为初始特征库；初始特征矩阵的每一横向维度为一个时间序列，将多种池化算子应用于时间金字塔结构，将池化后的结果级联为一个向量，作为样本的最终表示；分别计算训练集和测试集的核矩阵，应用支持向量机作为分类器，获取最终的预测结果。2.根据权利要求1所述的一种基于池化时间序列特征表示的细胞分裂事件识别方法，其特征在于，所述细胞分裂事件识别方法还包括：采集细胞候选子序列，将所有候选子序列定义为构成样本数据库。3.根据权利要求1所述的一种基于池化时间序列特征表示的细胞分裂事件识别方法，其特征在于，所述多种池化算子具体为：最大池化算子、和池化算子、以及引入时间序列梯度直方图概念的池化算子。4.根据权利要求3所述的一种基于池化时间序列特征表示的细胞分裂事件识别方法，其特征在于，所述时间序列梯度直方图概念的池化算子具体为：

【专利技术属性】
技术研发人员：苏育挺，王珊，刘安安，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12