蜂窝划分的多帧及原图反馈法的细胞追踪方法

在追踪序列图像中大量疏密不均的细胞时,由于细胞存在粘连、分裂、移入与移出等问题,影响其分割与追踪的准确性。为了进一步提高追踪的准确性,提出一种蜂窝划分的多帧及原图反馈修正的细胞追踪方法。首先把分割好的图像进行蜂窝状区域划分,然后引入Delaunay三角网建立细胞邻域图,再应用拓扑约束实现细胞匹配,最后把细胞共分为欠分割、过分割、粘连、分裂、移入、移出和未处理细胞共七大类,并提出多帧反馈和原图反馈法对匹配结果和分割错误进行修正。实验结果表明,本方法能够有效追踪细胞分布疏密不均、团簇问题严重及细胞于帧间游动速度快的图像序列,不但大幅度地修正分割错误以降低追踪对分割的依赖性,而且可拓宽拓扑约束法的适用性,最终使追踪准确率有很大的提高。算法测试了3个细胞图像序列,比拓扑约束法的追踪准确率分别提高25.61%、77.14%和45.83%。

拓扑约束结合匈牙利算法在高密度神经干细胞追踪中的研究

神经干细胞(NSCs)的运动分析是细胞学和生物学研究中重要的组成部分之一,而对大量NSCs同时进行追踪是细胞运动研究的主要难点。为了进一步提高高密度NSCs追踪算法的准确性,本文提出了一种新的基于分割、结合拓扑约束和数据关联的细胞追踪方法。首先针对实验所用的两组细胞图像序列的特点,分别采用了不同的分割方法。然后利用拓扑约束完成相邻两帧中所有细胞的数据关联并建立系数矩阵,最后对该系数矩阵利用匈牙利算法实现细胞的最优匹配,以此模式从序列的前两帧到最后一帧完成细胞追踪。实验结果表明,本文算法与单独利用拓扑约束进行细胞追踪的方法相比,有更好的追踪效果,准确性更高,序列I和序列Ⅱ的最终追踪准确率分别提高了10.17%和4%。