細胞跟蹤是顯微鏡圖像領(lǐng)域重要的研究課題之一。細胞存在形態(tài)變化、分裂行為等,與一般的目標(biāo)跟蹤相比,細胞跟蹤更具挑戰(zhàn)性。當(dāng)前主流的細胞跟蹤算法通常以細胞的檢測或分割為前提,在細胞區(qū)別明顯或稀疏的情況下,此類算法表現(xiàn)優(yōu)秀。然而在細胞分布密度高的場景,此類算法往往由于細胞漏檢等,得到的跟蹤結(jié)果較差。本文基于U-Net及相關(guān)跟蹤算法進行優(yōu)化,提出一種新的多細胞跟蹤算法,可改善細胞分布密度高的場景下多細胞跟蹤的性能。針對細胞檢測中存在的漏檢嚴(yán)重問題,本文基于U-Net進行優(yōu)化,提出僅分割細胞質(zhì)心區(qū)域的方法,實現(xiàn)更準(zhǔn)確的細胞定位與計數(shù)。利用多幀輸入的方式,使得網(wǎng)絡(luò)可以學(xué)習(xí)序列圖像的時空信息。在不改變U-Net結(jié)構(gòu)的情況下,多幀輸入的方式提高了分裂期細胞的檢測準(zhǔn)確性,進而改善細胞分裂行為的檢測性能。在U-Net的基礎(chǔ)上,融入注意力機制,對網(wǎng)絡(luò)層的輸出進行自適應(yīng)校準(zhǔn)。結(jié)合NL模塊全局上下文建模能力強與SE模塊輕量計算的優(yōu)點,設(shè)計一種全局上下文信息響應(yīng)自校準(zhǔn)模塊,命名為GCR模塊。GCR模塊主要由全局上下文信息提取、像素級響應(yīng)自校準(zhǔn)兩部分組成。實驗結(jié)果表明,融入GCR模塊后,U-Net得到的細胞質(zhì)心檢測可... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

U-Net的5層網(wǎng)絡(luò)結(jié)構(gòu)[17]238（e）Arbelle等[23]提出一種卷積長短期記憶單元（ConvLSTM）與U-Net

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-8-1.4課題的主要研究內(nèi)容眾多研究者在細胞跟蹤領(lǐng)域做出了杰出的工作，取得較為理想的成果。但是面對上述提到的細胞跟蹤領(lǐng)域挑戰(zhàn)難點，難以有一種通同的算法可處理不同的細胞序列圖像。本課題將專注于細胞的多目標(biāo)跟蹤，即跟蹤全部序列的所有細胞，在前沿的細胞跟蹤算法[34]1147的基礎(chǔ)上進一步提高細胞檢測、跟蹤的性能，特別是分布密度高、聚集成團較多的細胞場景。本課題的研究內(nèi)容、實驗工作皆由本人完成。圖1-2ISBI2015的CTC前三算法量化性能[34]11481.4.1算法的整體結(jié)構(gòu)本課題提出的算法是基于檢測的跟蹤算法，算法的整體框架如圖1-3所示。其主要由細胞質(zhì)心檢測與細胞分割兩部分結(jié)合，實現(xiàn)對分布密度高的細胞進行準(zhǔn)確的定位與計數(shù)，從而提高跟蹤的性能。在U-Net的基礎(chǔ)上融入注意力機制，進一步改善跟蹤的性能。圖1-3a)表示輸入的圖像數(shù)據(jù)。b)表示基于U-Net的細胞初分割，得到初步的細胞分割結(jié)果。d)表示基于U-Net的多幀細胞質(zhì)心檢測，得到細胞質(zhì)心信息。e)表示細胞質(zhì)心的目標(biāo)關(guān)聯(lián)，得到細胞的質(zhì)心運動軌跡。g)是聯(lián)合細胞初分割結(jié)果與細胞質(zhì)心目標(biāo)關(guān)聯(lián)結(jié)果的細胞后分割，即為每一個細胞質(zhì)心分配合適的掩膜，從而生成最終的多細胞跟蹤結(jié)果。1.4.2課題的研究內(nèi)容本課題研究的主要內(nèi)容將分為以下四點。

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-12-細胞與背景較為相似的時候，直接分割一個細胞，存在一個細胞被分割為若干個細胞的情況。如果使網(wǎng)絡(luò)僅僅學(xué)習(xí)細胞的質(zhì)心區(qū)域，即分割得到的是細胞的質(zhì)心區(qū)域，能夠改善細胞分布密度高的場景下細胞定位、計數(shù)困難等問題，實現(xiàn)檢測每一個細胞的效果。使用U-Net只對細胞的質(zhì)心區(qū)域進行分割，其計算過程實際上是語義分割策略，可以實現(xiàn)檢測細胞的效果。a)細胞的質(zhì)心標(biāo)注b)細胞的語義分割圖2-1細胞質(zhì)心與分割信息本小節(jié)將介紹如何利用U-Net進行細胞質(zhì)心區(qū)域的分割。先對訓(xùn)練數(shù)據(jù)進行如邊緣擴展、標(biāo)簽制作、數(shù)據(jù)增強等的預(yù)操作，然后將數(shù)據(jù)歸一化后輸入U-Net，進行網(wǎng)絡(luò)權(quán)重參數(shù)的訓(xùn)練，學(xué)習(xí)提取細胞的質(zhì)心區(qū)域。（1）邊緣擴展每個數(shù)據(jù)集的圖像尺寸是不同的，例如PSC數(shù)據(jù)集中的圖像尺寸是720576，DIC-C2DH-HeLa（以下簡稱為HeLa）數(shù)據(jù)集中的圖像尺寸是1100700。U-Net可應(yīng)用于任意尺寸的輸入圖像，此處僅通過擴展邊緣，得到對應(yīng)的輸出特征圖尺寸即可。邊緣擴展的大小通過計算得到，先從原始的輸出特征圖尺寸反向計算輸入圖像的尺寸，然后利用該輸入圖像尺寸正向計算輸出特征圖的尺寸。當(dāng)計算得到的輸出特征圖尺寸小于原始的輸出特征圖尺寸，輸入圖像尺寸不斷增加2個像素，直到計算的輸出特征圖尺寸大于或者等于原始的輸出特征圖尺寸。CTC數(shù)據(jù)集的標(biāo)簽是對邊緣區(qū)域忽略的，此處對輸入圖像的標(biāo)簽忽略區(qū)域填充為零。擴展邊緣采用的方法是邊界鏡像，圖2-2展示了PSC圖像邊緣擴展結(jié)果，a)是原始的圖像，b)是擴展邊緣后的輸入圖像。此外，對標(biāo)簽做同樣的邊緣擴展處理，只需在計算損失（Loss）之前，裁剪為對應(yīng)的輸出特征圖尺寸。（2）標(biāo)簽制作提取細胞的質(zhì)心區(qū)域，需要提供細胞的質(zhì)心標(biāo)簽，從而令U-Net學(xué)會只分割質(zhì)?


本文編號：2969881