[发明专利]基于双光子成像数据的细胞自动探测和分割方法

说明书

本发明提供的一种基于双光子成像数据的细胞自动探测和分割方法，首先载入双光子成像的视频数据，进行去噪，并增强图像的对比度；然后使用广义拉普拉斯高斯滤波算法基于细胞形态进行探测；其次使用矩阵加权方法获取细胞形态信息结果；接着采用约束非负矩阵分解算法进行分析，识别出相关的细胞区域，并去除不类似于圆形的细胞区域，作为细胞活动信息结果；最后将细胞形态信息结果和细胞活动信息结果进行合并处理，获得细胞边界曲线。采用广义拉普拉斯高斯滤波算法和矩阵加权的方法，针对不同大小和方向的细胞进行准确的检测和分割，可避免现有的技术中容易漏掉细胞的问题，并整合细胞形态信息结果和细胞活动信息结果，使细胞探测和分割的准确度更高。

技术领域

本发明涉及图像处理技术领域，具体基于双光子成像数据的细胞自动探测 和分割方法。

背景技术

双光子钙成像现在是一种在单细胞分辨率水平进行神经元群活动在体成像 的常用技术，可在一只动物上记录成千或上万的神经元，因此产生大规模的数 据。在目前的双光子钙成像数据分析中，手动的识别和分割细胞的边界是一项 耗时的过程。然而，针对大规模成像数据的自动化分析技术的发展到目前仍然 存在众多挑战。在基于细胞形态的方法中，通过设定局域阈值检测再分水岭等 方法容易漏掉形状不规则的神经元，而采用图分割的方法很容易出现过分割的 情况。如果采用机器学习的方法，就必须要通过人工进行样本的大量标记。基 于细胞活动的方法只能检测一段时间内活动的细胞，会漏掉较多其它暂时不活 动的细胞。

发明内容

针对现有技术中的缺陷，本发明提供一种基于双光子成像数据的细胞自动 探测和分割方法，能够避免现有方法中在对细胞进行探测和分割时容易漏掉细 胞，准确度低的问题。

本发明提供的一种基于双光子成像数据的细胞自动探测和分割方法，包括 以下步骤：

S1、载入双光子成像的视频数据，使用中值滤波器进行去噪，并增强双光 子成像图像的对比度；

S2、使用广义拉普拉斯高斯滤波算法针对不同大小和方向的细胞进行探测；

S3、使用矩阵加权方法获取细胞形态信息结果；

S4、采用约束非负矩阵分解算法对成像数据的空-时信息进行分析，识别出 相关的细胞区域，并去除不类似于圆形的细胞区域，作为细胞活动信息结果；

S5、将细胞形态信息结果和细胞活动信息结果的二值化图进行合并，产生 的新的二值化图，并通过形态操作算法分离细胞的区域和获得细胞边界曲线。

进一步的，在S2中细胞探测的具体方法为：

S21、根据广义拉普拉斯高斯核函数的之和构建细胞匹配模板，并和图像求 卷积，从而获得多个响应结果；

S22、基于获得的响应图结果，搜索其中的局部极值点作为细胞中心位置的 种子点，通过自适应阈值处理和凝聚层次聚类方法进行种子点的过滤和合并， 完成基于形态的细胞探测。

进一步的，在S3中获取细胞形态信息结果的具体方法为：

S31、细胞探测完成后，将确定的核函数尺寸和方向用于下一步分割的初步 特征，建立一个带有椭圆平台区域的高斯函数加权矩阵；

S32、通过计算细胞的图像数据的高斯梯度信息，以及从像素点指向种子点 的位置的归一化的向量，获得梯度的加权矩阵；

S33、将细胞图像与高斯函数加权矩阵、梯度的加权矩阵相乘，并通过最大 类间差算法获得二值化结果作为细胞形态信息结果。