图像融合方法在细胞图像处理中的应用(英文)

目的将荧光图像和透射图像融合为一幅图像，实现荧光在细胞内部发光位置的准确定位，方法将图像融合技术应用于生物细胞图像的处理，采用两种基于小波变换的算法：双阈值法和消除高频噪声法，用于研究以溴乙啶（EB）标记的细胞凋亡现象，结果与结论通过融合图像可以准确判断细胞内部的发光位置，同时可观察到细胞的一些结构，图像的信噪比得以改善，图像融合方法不仅适合于研究细胞的荧光图像和透射图像，而且适合于对细胞进行双标记或三种标记的情况。

基于深度学习的活体细胞有丝分裂检测方法

活体细胞有丝分裂过程的发生具有时间和空间上的随机性,自动识别并准确定位活体细胞的有丝分裂对科研人员而言充满挑战。提出一种基于深度学习的自动识别并定位活体细胞有丝分裂的检测方法。通过改进YOLOv3主干网络并引入注意力机制,构建名为DetectNet的深度神经网络。在明场显微成像条件下,获取多尺寸活体细胞图像并构建数据集对网络进行训练,并对DetectNet与多个目标检测算法进行对比,验证其有效性。实验结果表明,针对活体细胞的明场显微图像,DetectNet能够高效地从不同尺寸大视场图像中直接识别并定位有丝分裂细胞,同时具有较高的检测精度和较快的检测速度,因而在生物和医学领域具有非常大的潜在应用价值。