一种双光子钙离子图像神经元胞体分割方法技术

本发明专利技术属于计算机视觉、图像处理技术和神经科学领域，涉及一种双光子钙离子图像神经元胞体分割方法，包括以下步骤：S1.采用神经元胞体增强网络，去除双光子钙离子视频中的噪声和神经纤维网背景信号，增强胞体的时空信号，得到胞体增强视频；S2.运用基于anchor的目标检测器，在胞体增强视频的最大投影图像上检测胞体的位置；S3.通过相关聚类模块在所述目标检测器输出的各anchor中分割出位于中心的胞体的掩膜。本发明专利技术的方法兼顾方法驱动和数据驱动的优点，相比传统算法，极大提高了处理数据的效率，对于具有高细胞重叠特点的Bessel成像数据，极大提高了重叠细胞分割的精准程度。

【技术实现步骤摘要】

本专利技术属于计算机视觉、图像处理技术和神经科学领域，涉及一种双光子钙离子图像神经元胞体分割方法。

技术介绍

1、双光子钙离子成像(two-photon calcium imaging)是一种广泛用于神经科学研究的技术，它允许科学家在活体中以单细胞分辨率观察神经元活动。该技术的优点包括更深的穿透深度和较低的光散射，使得能在较深的脑组织中进行成像。该技术的实现方式主要有高斯光束(gaussian beam)和bessel光束(bessel beam)两种。高斯光束通常提供较高的横向和轴向分辨率，但由于需要逐点扫描感兴趣体积，成像速率更慢，适合需要高分辨率的应用；bessel光束由于其特殊的形状(在轴线上有一个非常细长的焦点)，在轴向上的分辨率较低，但能够提供更好的深度穿透，允许更快的扫描，在短时间内捕获大范围的活动，同时保持横向分辨率不变。

2、在成像过程后，第一步通常是从采集到的影像数据中识别神经元胞体(soma)的位置。对于这个任务，常用的算法包括基于图像分割的方法，例如阈值分割、水平集(levelsets)和一些深度学习方法，特别是卷积神经本文档来自技高网...

【技术保护点】

1.一种双光子钙离子图像神经元胞体分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种双光子钙离子图像神经元胞体分割方法，其特征在于，所述神经元胞体增强网络为Double Unet模型，基于3D Unet结构的视频增强网络基础上，增加了一个U-former结构信息提取分支，并设有时空注意力TSA模块。

3.如权利要求2所述的一种双光子钙离子图像神经元胞体分割方法，其特征在于，所述视频增强网络的3D Block模块中包含两个3D卷积层，每个3D卷积层后依次接有Relu激活层和Group Normal归一化层；在视频增强网络中，对输入的原始3D视频特征依次...

【技术特征摘要】

1.一种双光子钙离子图像神经元胞体分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种双光子钙离子图像神经元胞体分割方法，其特征在于，所述神经元胞体增强网络为double unet模型，基于3d unet结构的视频增强网络基础上，增加了一个u-former结构信息提取分支，并设有时空注意力tsa模块。

3.如权利要求2所述的一种双光子钙离子图像神经元胞体分割方法，其特征在于，所述视频增强网络的3d block模块中包含两个3d卷积层，每个3d卷积层后依次接有relu激活层和group normal归一化层；在视频增强网络中，对输入的原始3d视频特征依次进行时间维度和空间维度的卷积操作，去除视频中的噪声和神经纤维网背景信号，得到增强后的3d视频特征；

4.如权利要求3所述的一种双光子钙离子图像神经元胞体分割方法，其特征在于，所述u-former结构信息提取分支以ground truth视频的平均图像作为单独的监督信号，与视频增强网络同时训练优化，表达式如下：

5.如权利要求1所述的一种双光子钙离子图像神经元胞体分割方法，其特征在于，所述的基于anchor的目标检测器采用matrix nms算法，由yolov7目标检测器改进得到。

6.如权利要求5所述的一种双光子钙离子图像神经元胞体分割方法，其特征在于，所述的yolov7目标检测器的改进，具体为：只保留yolo...

【专利技术属性】
技术研发人员：李永杰，吴炜航，杨开富，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：