[发明专利]基于信息素预测的蚁群多细胞跟踪系统

说明书

本发明公开了一种基于信息素预测的蚁群多细胞跟踪系统，包括四个模块：信息素场预测模块、蚂蚁决策模块、信息素场的高斯拟合模块和状态估计模块的分析，实现多细胞的跟踪；原始图片输入后，基于前一帧细胞信息素场高斯拟合的结果，利用高斯混合模型进行信息素场预测；在基于信息素梯度的蚂蚁工作模式下利用基于钟形曲线的信息素扩散模型构建信息素场；然后通过K‑均值聚类的方法，在去除由杂波导致的虚假目标后进行细胞位置估计，最后利用细胞距离特征关联获取细胞运动轨迹，实现多细胞的跟踪。

技术领域

本发明属于细胞跟踪领域，更具体的涉及一种基于信息素预测的蚁群多细胞跟踪系统。

背景技术

细胞是生命活动的基本单位，对于任何有机生命的胚胎发育、进化和生命维持，细胞的增殖、分化与迁移都是必不可少的环节。因此，对细胞行为分析的研究在很多领域都是非常有价值的，包括干细胞研究、组织工程学、药物开发、基因学和蛋白质组学等。医学图像处理是计算机视觉研究的一个重要分支和研究方向。利用计算机进行图像处理减少了人为的干扰，能够减少医学工作者的工作负担，提高分析的准确性。因此，从细胞图像序列中提取目标特征信息及目标运动轨迹，是医学分析中一项重要基本工作，引起越来越多研究者的兴趣。

细胞显微图像由于设备误差、光照不均的影响使得采集到的图像具有背景不均、边界模糊、内部分布不均匀的特点，图像质量的下降加大了跟踪的难度，而显微镜头的抖动会引起观测视野比较大的改变。细胞的尺寸处于微米量级，单个细胞尺寸与整幅图像相比太小，不同细胞之间的形态差别不大，导致细胞的特征信息难于提取,因此要精确估计细胞的运动参数非常困难。这些不确定性因素的存在给细胞跟踪研究带来了极大的挑战，而细胞图像序列中经常出现的碰撞、分裂等情形引起细胞之间的复杂交互使得细胞的精确跟踪也更加困难,主要包括以下几个方面：

1、细胞粘连甚至重叠时多个细胞信息交叉难于区分。当一个细胞与另外的细胞粘连甚至重叠时，过程中可能并没有丢失目标，但是当目标分开后由于细胞特征相似跟踪可能转换，这时发生细胞标签切换。所以粘连甚至重叠会导致细胞标签的切换率大大增高，给目标跟踪的可靠性带来极大困难。

2、细胞迁移运动的速度和方向突然改变时，由于部分目标信息丢失，误认为细胞已消失，导致跟踪的不稳定甚至丢失细胞。

近年来学者们提出的自动跟踪的方法依赖于细胞图像检测和分割的质量，对于复杂情况下细胞跟踪的精度不高，很难准确描述其统计特性。而在视频图像中针对目标密集、遮挡等复杂情况的成熟多目标跟踪技术，由于受显微图像序列中细胞彼此之间的形态差别不大及细胞与背景灰度值相近等特殊性的影响，不能直接推广应用于细胞跟踪领域。目前尚缺乏有效的针对细胞图像序列中粘连细胞跟踪的研究理论和方法。本发明旨在解决粘连、运动特性各异等多细胞跟踪难题，利用信息素预测及扩散机制构建信息素场，最终实现粘连多细胞的跟踪

发明内容

1、本发明的目的。

本发明为了解决现有技术中对于粘连运动特性各异的多细胞跟踪难题，提出了一种基于信息素预测的蚁群多细胞跟踪系统。

2、本发明所采用的技术方案。

本发明公开了一种基于信息素预测的蚁群多细胞跟踪系统，包括如下模块：

信息素预测模块，输入原始图像，基于前一帧细胞信息素场高斯拟合的结果，利用高斯混合模型进行信息素场预测，包括存活细胞、分裂细胞和新出现细胞的信息素预测；

蚂蚁决策模块，利用基于信息素梯度信息的蚂蚁工作模式及基于钟形曲线的信息素扩散模型构建信息素场，实现近距离细胞跟踪；

信息素场的高斯拟合模块，在信息素场构建完成后，利用EM算法进行高斯混合模型参数估计，实现信息素场的拟合，用于下一帧细胞信息素预测