[发明专利]一种小鼠前额叶神经元双光子荧光图像的自动分割方法

说明书

本发明涉及一种小鼠前额叶神经元双光子荧光图像的自动分割方法，包含了采集神经元双光子图像数据部分、图像数据增强并采用带模糊边界的实例标注方法得到若干子图及标注集合部分、通过带残差网络微结构的多尺度特征融合框架实现神经元自动分割部分以及通过形态学后处理得到输出分割结果部分。本发明能够实时分割由双光子荧光显微镜采集的小鼠前额叶神经元活动的成像数据，对神经生物学研究的数据分析具有潜在价值。

技术领域

本发明涉及一种小鼠前额叶神经元双光子荧光图像的自动分割方法，属于图像处理技术领域。

背景技术

双光子荧光成像技术由于具有分辨率高、可以用于活体实验等优点，被广泛的应用于神经生物学领域。同时，科研人员的实验需求已不再局限于对实验对象的可视化观察等单一领域，在许多场合需要对采集的实验数据进行更高层次的定量分析。而双光子荧光图像中自动分割神经元细胞是各种定量分析应用中的关键任务，但对于自动神经元细胞图像分割任务来说，依然存在三大挑战：(1)神经元细胞黏连严重，形成致密的簇状结构，细胞边界非常不明显。即使对生物学家来说，使得难以正确识别所有的单独细胞。(2)荧光染料常由于扩散不均匀，导致荧光图像有一些位置对比度低，轮廓模糊难以辨认。(3)像素精度级别的标记样本数据很难获得，数据集的规模十分有限。对于上述挑战，传统的基于区域或小波变换的分割方法准确率低，同时鲁棒性也较差，难以应用于实际的数据分析中去。因此，亟需一种小鼠前额叶神经元双光子荧光图像的自动分割方法。

发明内容

为了能够解决神经生物学领域科研人员对小鼠前额叶神经元双光子荧光图像的定量分析的中，传统的基于区域或小波变换的分割方法准确率低，同时鲁棒性也较差，难以应用于实际的数据分析中的不足，本发明的目的在于提供一种小鼠前额叶神经元双光子荧光图像的自动分割方法。

为了实现上诉目的，本发明的技术方案如下：

一种小鼠前额叶神经元双光子荧光图像的自动分割方法，由以下步骤组成：

1)采集使用钙离子指示剂染色的小鼠前额叶神经元双光子图像数据；优选的，所述的小鼠前额叶神经元实验样本在采集前使用钙离子指示剂以及显色剂标记；优选的，所述的采集图像数据时采用的双光子荧光扫描序列为2D点扫描序列；优选的，所述的图像数据使用过8-16赫兹扫描频率采样获得。

2)将采集到的图像数据进行图像增强处理；优选的，所述的图像增强方法包括：水平翻转、垂直翻转、随机旋转(1到180度之间)一定角度，每个操作以50％的概率随机应用于训练样本中。

3)将图像增强处理后的数据使用带模糊边界的实例标注方法得到L个子图及标注集合；优选的，所述的带模糊边界的实例标注方法首先采用保守的标注方案提取可靠的标注样本，然后对于细胞边界的模糊像素，设置一个间隙区域，用于区别于细胞和背景。

4)将L个子图及标注集合训练图像分割网络模型M；优选的，所述的图像分割网络模型M是经过有监督学习得到的非线性映射，通过把残差网络微结构嵌入U-Net为模板的多尺度特征融合框架里，构建全卷积神经网络。

5)将新采集的小鼠前额叶神经元双光子图像通过训练好的网络模型M进行自动分割；

6)将网络模型M的分割结果通过形态学后处理得到最终分割结果。

综上所述，一种小鼠前额叶神经元双光子荧光图像的自动分割方法，主要创新之处在于：通过把残差网络微结构嵌入U-Net为模板的多尺度特征融合框架里，构建全卷积神经网络；同时采用带模糊边界的实例标注方法来训练全卷积神经网络，得到了输入输出图像数据之间的非线性映射，进而通过该网络，实现在小鼠前额叶神经元双光子荧光图像的自动分割。

附图说明

图1为本发明的整体流程图

图2为本发明的一个分割结果图

具体实施方式