人類許多重大疾病,如腫瘤發(fā)生和轉移等,都與細胞運動息息相關。通過細胞追蹤揭示細胞行為以及細胞運動的特定規(guī)律,可為疾病醫(yī)學研究提供可靠依據(jù)。當前對細胞追蹤的研究手段主要有細胞染色方式和圖像分析方式兩種。細胞染色方法過程繁瑣,成本昂貴,尤其在針對大量細胞追蹤和細胞的生長、增殖過程時,精確度不高。圖像分析作為新的一種研究方法,基于圖像處理和機器學習,減少了人為操作,可以得到更為客觀和準確的結果。本文通過長期活細胞培養(yǎng),使用cellprofiler軟件對顯微成像后的細胞進行分割,提取細胞輪廓,最后捕捉圖片中所有細胞的形態(tài),并測量得到其形態(tài)參數(shù),如大小、位置、長寬比等信息。對比時間序列,利用輪廓跟蹤方法對同一幀和不同幀圖像中的細胞形態(tài)特征相關性進行分析與比較,用提取出來的特征參數(shù)把相鄰兩幀中的所有細胞一一匹配,實現(xiàn)細胞與細胞之間的最佳匹配,進而實現(xiàn)大量細胞的追蹤。輪廓跟蹤方法主要使用目標區(qū)域的內在信息編碼,這些信息可以由外觀密度和形狀模型構成。如果已知一個目標模型,形狀匹配和外形提取分割都可以實現(xiàn)跟蹤。本文從形態(tài)特征分析出發(fā),結合實驗對比,表明細胞的運動可以通過單個細胞的形態(tài)去追蹤。本文采用的圖... 

【文章來源】：醫(yī)用生物力學. 2019,34(S1)北大核心CSCD

【文章頁數(shù)】：1 頁

【參考文獻】：
期刊論文
[1]礦用電纜卷放車智能追蹤系統(tǒng)設計[J]. 唐曉騫,陳偉華.  能源與環(huán)保. 2021(02)



本文編號：3372637