一种基于深度矢量场回归的三维细胞图像实例分割方法技术

本发明专利技术涉及一种基于深度矢量场回归的三维细胞图像实例分割方法，与现有技术相比解决了三维细胞图像分割中细胞紧密粘连、难以分离的缺陷。本发明专利技术包括以下步骤：三维细胞图像原始数据和标签数据的获取和预处理；实例分割深度回归神经网络的构建；实例分割深度回归神经网络的训练；三维细胞距离图的获得；三维细胞实例分割结果的获得。本发明专利技术通过将分割任务转换成为回归任务，利用回归任务去学习前景像素到背景像素的欧式距离，利用前景像素到其最近背景像素的方向矢量去更好地学习前景和背景信息，同时也包含了细胞的方向信息、利用color loss去进一步加强方向信息的学习，简单、高效地提升了三维细胞的分割精度。地提升了三维细胞的分割精度。地提升了三维细胞的分割精度。

【技术实现步骤摘要】
一种基于深度矢量场回归的三维细胞图像实例分割方法


[0001]本专利技术涉及细胞图像处理
，具体来说是一种基于深度矢量场回归的三维细胞图像实例分割方法。

技术介绍

[0002]当前生命科学已逐渐步入单细胞生物学时代，2016年启动的“人类细胞图谱计划(Human Cell Atlas Project)”也将目标瞄准单细胞水平的组学数据。每一个细胞的谱系和发展状态决定了其如何同周围细胞以及环境反应，将基因表达及测序应用到单细胞层面，对于理解细胞的起源、功能、变异以及寻找癌症研究、干细胞生物学、免疫学、发育生物学和神经科学中一系列重要生物问题的答案都有着至关重要的作用。而三维细胞谱系和细胞分布基本不变，以图像计算方式精确跟踪并分析其在单细胞水平上的基因表达已成为可能。而三维细胞作为细胞谱系追踪金标准，是迄今唯一已获得从受精卵到成虫完整细胞谱系同时又具有固定细胞谱系的多细胞模式生物。
[0003]感兴趣目标的自动分割和识别不论是在计算机视觉、医学还是生物图像处理领域都是两个非常具有挑战性的任务。其中与三维细胞分割识别最为相关的研究主要分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度矢量场回归的三维细胞图像实例分割方法，其特征在于，包括以下步骤：11)三维细胞图像原始数据和标签数据的获取和预处理：获取三维细胞原始图像和标签图像，将三维细胞原始图像进行切块处理作为训练集；将标签图像进行矢量处理并获得标签图像的矢量图；12)实例分割深度回归神经网络的构建：基于卷积神经网络模型搭建实例分割深度回归神经网络，设计网络训练的损失函数以及参数设置；13)实例分割深度回归神经网络的训练：将预处理之后的三维细胞图像和标签图像的矢量图输入实例分割深度回归神经网络进行训练；14)三维细胞距离图的获得：获取待分割的三维细胞原始图像，并将待分割的三维细胞原始图像输入训练后的实例分割深度回归神经网络，输出三通道三维细胞矢量图；对三通道三维细胞矢量图进行欧式距离变换，将其转换为待分割的三通道三维细胞距离图；15)三维细胞实例分割结果的获得：对待分割的三通道三维细胞距离图进行后处理，得到分割出的三维细胞实例结果。2.根据权利要求1所述的一种基于深度矢量场回归的三维细胞图像实例分割方法，其特征在于，所述实例分割深度回归神经网络的构建包括以下步骤：21)设定实例分割深度回归神经网络基于卷积神经网络，卷积神经网络的基础网络为U
‑
Net架构，卷积神经网络的输入为一通道三维原始图像；22)设定卷积神经网络的输出与输入图像尺寸相同，但输出为三通道的三维图像拼接而成，三个通道分别表示x、y、z坐标；23)设定卷积神经网络的损失函数为距离损失L
dist
和矢量方向约束颜色损失L
color
，总的损失函数如下：L
total
＝αL
dist
+βL
color
，其中，α和β是权重系数；24)针对总损失函数中的权重系数，设定权重系数比为7∶1，总的损失函数设计如下：L
total
＝7*L
dist
+L
color
；25)设定去除U
‑
Net架构最后一层softmax层。3.根据权利...

【专利技术属性】
技术研发人员：屈磊，王梦，吴军，张睿，杨健，汤玉杰，
申请(专利权)人：安徽大学，
类型：发明
国别省市：