基于双光子成像数据的细胞自动探测和分割方法技术

本发明专利技术提供的一种基于双光子成像数据的细胞自动探测和分割方法，首先载入双光子成像的视频数据，进行去噪，并增强图像的对比度；然后使用广义拉普拉斯高斯滤波算法基于细胞形态进行探测；其次使用矩阵加权方法获取细胞形态信息结果；接着采用约束非负矩阵分解算法进行分析，识别出相关的细胞区域，并去除不类似于圆形的细胞区域，作为细胞活动信息结果；最后将细胞形态信息结果和细胞活动信息结果进行合并处理，获得细胞边界曲线。采用广义拉普拉斯高斯滤波算法和矩阵加权的方法，针对不同大小和方向的细胞进行准确的检测和分割，可避免现有的技术中容易漏掉细胞的问题，并整合细胞形态信息结果和细胞活动信息结果，使细胞探测和分割的准确度更高。

【技术实现步骤摘要】
基于双光子成像数据的细胞自动探测和分割方法
本专利技术涉及图像处理
，具体基于双光子成像数据的细胞自动探测和分割方法。
技术介绍
双光子钙成像现在是一种在单细胞分辨率水平进行神经元群活动在体成像的常用技术，可在一只动物上记录成千或上万的神经元，因此产生大规模的数据。在目前的双光子钙成像数据分析中，手动的识别和分割细胞的边界是一项耗时的过程。然而，针对大规模成像数据的自动化分析技术的发展到目前仍然存在众多挑战。在基于细胞形态的方法中，通过设定局域阈值检测再分水岭等方法容易漏掉形状不规则的神经元，而采用图分割的方法很容易出现过分割的情况。如果采用机器学习的方法，就必须要通过人工进行样本的大量标记。基于细胞活动的方法只能检测一段时间内活动的细胞，会漏掉较多其它暂时不活动的细胞。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于双光子成像数据的细胞自动探测和分割方法，能够避免现有方法中在对细胞进行探测和分割时容易漏掉细胞，准确度低的问题。本专利技术提供的一种基于双光子成像数据的细胞自动探测和分割方法，包括以下步骤：S1、载入双光子成像的视频数据，使用中值滤波器进行去噪，并增强双光子成像图像的对比度；S2、使用广义拉普拉斯高斯滤波算法针对不同大小和方向的细胞进行探测；S3、使用矩阵加权方法获取细胞形态信息结果；S4、采用约束非负矩阵分解算法对成像数据的空-时信息进行分析，识别出相关的细胞区域，并去除不类似于圆形的细胞区域，作为细胞活动信息结果；S5、将细胞形态信息结果和细胞活动信息结果的二值化图进行合并，产生的新的二值化图，并通过形态操作算法分离细胞的区域和获得细胞边界曲线。进一步的，在S2中细胞探测的具体方法为：S21、根据广义拉普拉斯高斯核函数的之和构建细胞匹配模板，并和图像求卷积，从而获得多个响应结果；S22、基于获得的响应图结果，搜索其中的局部极值点作为细胞中心位置的种子点，通过自适应阈值处理和凝聚层次聚类方法进行种子点的过滤和合并，完成基于形态的细胞探测。进一步的，在S3中获取细胞形态信息结果的具体方法为：S31、细胞探测完成后，将确定的核函数尺寸和方向用于下一步分割的初步特征，建立一个带有椭圆平台区域的高斯函数加权矩阵；S32、通过计算细胞的图像数据的高斯梯度信息，以及从像素点指向种子点的位置的归一化的向量，获得梯度的加权矩阵；S33、将细胞图像与高斯函数加权矩阵、梯度的加权矩阵相乘，并通过最大类间差算法获得二值化结果作为细胞形态信息结果。进一步的，在S21中使用二维高斯函数G(x,y；σx,σy,θ)，公式为G(x,y；σx,σy,θ)＝A1·exp(-(ax2+2bxy+cy2))，式中A1是归一化系数，θ是方向，σx和σy是在范围σmin和σmax之间的尺度，σmin和σmax通过对神经元的半径估计得到；在其他广义的情况中，广义拉普拉斯高斯核函数的之和为之后对于对图像和获得的核函数求卷积，从而获得多个响应结果：进一步的，S22中，自适应的阈值处理方法为设定窗口大小，计算每个像素点窗口范围内局部图像均值T，再从原图像中减去T，然后再通过阈值为0进行二值化处理。进一步的，S22中凝聚层次聚类方法为将每一个对象看做一个聚类，把它们逐渐合并成越来越大的聚类。进一步的，S4中带有椭圆平台区域的高斯函数加权矩阵为w1(x,y)，椭圆平台的尺度和方向为和进一步的，在S4中，去除不类似于圆形的细胞区域，即为去除不是对应着神经元的区域，定义以下规则：其中P是周长，AC是空间成分的面积，如果该成分边界的比例值Ratio<3，那么就表明这个细胞区域不是类似于圆形，即就被去除。进一步的，S5中，形态操作算法为填充、开和闭算法。由上述技术方案可知，本专利技术的有益效果：1、本专利技术提供一种基于双光子成像数据的细胞自动探测和分割方法，使用广义拉普拉斯高斯滤波算法针对不同大小和方向的细胞进行探测，然后使用矩阵加权方法获取细胞形态信息结果。通过广义拉普拉斯高斯滤波算法和矩阵加权的方法可针对不同大小和方向的细胞进行准确的探测和分割，不易遗漏掉细胞。2、本专利技术提供一种基于双光子成像数据的细胞自动探测和分割方法，采用约束非负矩阵分解算法对成像数据的空-时信息进行分析，识别出相关的细胞区域，并去除不类似于圆形的细胞区域，作为细胞活动信息结果；再将细胞形态信息结果和细胞活动信息结果的二值化图进行合并，产生的新的二值化图，并通过形态操作算法分离细胞的区域和获得细胞边界曲线。整合细胞形态信息结果和细胞活动信息结果，使细胞探测和分割的准确的更高。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为本专利技术一种基于双光子成像数据的细胞自动探测和分割方法的流程图。图2为本专利技术一种基于双光子成像数据的细胞自动探测和分割方法制作的软件获得细胞的边界曲线。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。请参阅图1，本实施例提供的一种基于双光子成像数据的细胞自动探测和分割方法，具体步骤为：第一步，载入双光子成像的视频数据，使用中值滤波器进行去噪，并增强双光子显微图像的对比度；第二步，使用广义拉普拉斯高斯滤波算法针对不同大小和方向的细胞进行探测，具体为：根据广义拉普拉斯高斯核函数的之和构建细胞匹配模板，并和图像求卷积，从而获得多个响应结果；G(x,y；σx,σy,θ)＝A1·exp(-(ax2+2bxy+cy2))(1)Gn(x,y；σx,σy,θ)＝σxσyG(x,y；σx,σy,θ)(2)在公式(1)、(2)、(3)中A1为归一化系数，θ为方向，σx和σy是在范围σmin和σmax之间的尺度，σmin和σmax是通过对神经元的半径估计得到的；在σx＝σy时，为对称情况，j＝0，没有涉及方向参数。在其他广义的情况中，θj是第j个方向，k为总共的方向数目。表示拉普拉斯算子，为归一化后的核函数，Sj为在方向θj情况下的核函数数目。对图像和获得的核函数求卷积，从而获得多个响应结果：公式(4)中，*表示卷积算子，Rj(x,y)是多尺度和方向的响应图，是图像和核函数模式响应的结果，其中j＝0...k。基于获得的响应图结果，搜索其中的局部极值点作为细胞中心位置的种子点，通过自适应阈值处理和凝聚层次聚类方法进行种子点的过滤和合并，完成基于形态的细胞探测。自适应阈值处理的方法为：设定窗口大小，计算每个像素点周围窗口范围内局部图像的均值：T＝mean(5)再从原图中减去T，然后再通过阈值为0进行二值化处理。凝聚层次聚类方法：将每一个对象看作一个聚类，把它们逐渐合并成越来越大的聚类。第三步、使用矩阵加权方法获取细胞形态信息结果，具体为：细胞探测完成后，将确定的核函数尺寸和方向用于下一步分割的初步特征，建立一个带有椭圆平台区域的高斯函数加权矩阵：公式本文档来自技高网...

【技术保护点】
一种基于双光子成像数据的细胞自动探测和分割方法，其特征在于：包括以下步骤：S1、载入双光子成像的视频数据，使用中值滤波器进行去噪，并增强双光子成像图像的对比度；S2、使用广义拉普拉斯高斯滤波算法针对不同大小和方向的细胞进行探测；S3、使用矩阵加权方法获取细胞形态信息结果；S4、采用约束非负矩阵分解算法对成像数据的空‑时信息进行分析，识别出相关的细胞区域，并去除不类似于圆形的细胞区域，作为细胞活动信息结果；S5、将细胞形态信息结果和细胞活动信息结果的二值化图进行合并，产生的新的二值化图通过形态操作算法分离细胞的区域和获得细胞边界曲线。

【技术特征摘要】
1.一种基于双光子成像数据的细胞自动探测和分割方法，其特征在于：包括以下步骤：S1、载入双光子成像的视频数据，使用中值滤波器进行去噪，并增强双光子成像图像的对比度；S2、使用广义拉普拉斯高斯滤波算法针对不同大小和方向的细胞进行探测；S3、使用矩阵加权方法获取细胞形态信息结果；S4、采用约束非负矩阵分解算法对成像数据的空-时信息进行分析，识别出相关的细胞区域，并去除不类似于圆形的细胞区域，作为细胞活动信息结果；S5、将细胞形态信息结果和细胞活动信息结果的二值化图进行合并，产生的新的二值化图通过形态操作算法分离细胞的区域和获得细胞边界曲线。2.根据权利要求1所述的一种基于双光子成像数据的细胞自动探测和分割方法，其特征在于：在S2中细胞探测的具体方法为：S21、根据广义拉普拉斯高斯核函数的之和构建细胞匹配模板，并和图像求卷积，从而获得多个响应结果；S22、基于获得的响应图结果，搜索其中的局部极值点作为细胞中心位置的种子点，通过自适应阈值处理和凝聚层次聚类方法进行种子点的过滤和合并，完成基于形态的细胞探测。3.根据权利要求2所述的一种基于双光子成像数据的细胞自动探测和分割方法，其特征在于：在S3中获取细胞形态信息结果的具体方法为：S31、细胞探测完成后，将确定的核函数尺寸和方向用于下一步分割的初步特征，建立一个带有椭圆平台区域的高斯函数加权矩阵；S32、通过计算细胞的图像数据的高斯梯度信息，以及从像素点指向种子点的位置的归一化的向量，获得梯度的加权矩阵；S33、将细胞图像与高斯函数加权矩阵、梯度的加权矩阵相乘，并通过最大类间差算法获得二值化结果作为细胞形态信息结果。4.根据权利要求3所述的一种基于双光子成...

【专利技术属性】
技术研发人员：廖祥，管江衡，
申请(专利权)人：中国人民解放军第三军医大学，
类型：发明
国别省市：重庆,50