[发明专利]一种细胞分裂识别方法

说明书

技术领域

本发明属于图像分析和模式识别领域，特别涉及一种细胞分裂识别方法。

背景技术

通过体外培养的方式对细胞繁殖行为进行定量分析对于许多生物医学应用，如药物开发、干细胞培养、组织工程等，具有重要意义。在该研究过程中，通过显微镜进行细胞图像采集，并利用先进的图像处理技术实现准确的细胞分裂识别将对该研究起到关键的作用。

传统的基于显微镜图像的细胞分裂识别方法可以分为三类：1)基于局部显著性特征的方法：该方法将细胞分裂区域看作一个特殊的视觉模式，利用分裂区域的图像特征直接学习一个支持向量机分类器用于识别；2)基于跟踪的方法：该方法通过目标跟踪算法实现个体轨迹的提取，然后通过母细胞分裂为子细胞时轨迹的变化特征来进行细胞分裂的识别；3）基于时序模型的方法：该方法首先利用跟踪方法提取每个细胞分裂事件对应在图像序列中的时空区域，然后通过时序推断模型来学习细胞分裂过程中分裂区域特征变化的时序规律从而实现细胞分裂的识别。

发明人在实现本发明的过程中，发现现有技术中至少存在以下的缺点和不足：

1）现有视觉特征对于非刚体和形变不规则目标(例如：细胞)的表征能力有限，因此基于局部显著性特征方法通常泛化能力较差；2）基于跟踪的方法和基于时序模型方法都对准确的轨迹提取有很强的依赖性，然而，对非刚性物体的跟踪本身就是很困难的；3）基于时序模型方法往往通过大范围的时序信息的利用和时序状态转移的学习进行复杂模型的构建，这将使得模型的学习需要很高计算复杂度，并使该方法不能满足生物分析对细胞分裂识别的实时性要求，并且细胞分裂的识别率较低。

发明内容

本发明提供了一种细胞分裂识别方法，本发明降低了对非刚体目标特征提取的难度，使得细胞分裂行为的识别不依赖于细胞的跟踪和时序推断模型，显著降低计算复杂度的影响，提高细胞分裂的识别率，详见下文描述：

一种细胞分裂识别方法，所述方法包括以下步骤：

(1)获取分裂细胞区域的正样本和不包含分裂细胞区域的负样本组成训练数据，从每个训练数据中提取第一视觉特征向量X_i，由多个所述第一视觉特征向量X_i构成第一训练集其中，所述训练数据包括分裂细胞图像和非分裂细胞图像，表示d×1维空间，i表示图像序号，i的取值是正整数，N为特征向量的个数，还为所述训练数据的个数；

(2)构造目标函数

其中，第一视觉特征向量X_i为需通过所述该目标函数进行稀疏分解的对象；φ表示词典，是一个d×l维的二维矩阵，其每一列表示该词典的一个基φ_j，用d维向量表示，j的取值是正整数，l表示词典中基φ_j基的个数；表示对应所述第一视觉特征向量X_i的稀疏分解系数，表示l×1维空间；γ表示权重；

(3)通过所述第一训练集X和所述目标函数学习第一最佳词典φ^*；

(4)通过所述第一最佳词典φ^*对所述第一训练集X进行稀疏分解，获取各所述第一视觉特征向量X_i对应的第一最优稀疏分解系数

(5)通过所述正样本和所述负样本对应第一最优稀疏分解系数获取训练后分裂细胞模型；

(6)对新测试数据Y_i获取第二最优稀疏分解系数将所述第二最优稀疏分解系数输入所述训练后分裂细胞模型，获取输出结果；当所述输出结果的类别标记为1，则表示所述新测试数据Y_i包含分裂细胞区域；当所述输出结果的类别标记为0，则表示所述新测试数据Y_i不包含分裂细胞区域。

所述构造目标函数具体包括：