RNAi細胞圖像自動分割方法研究.pdf

1、近年來，RNA干擾技術正逐步成為一種有效的工具，為輔助生物學家了解基因在復雜生物過程中的功能起到了重要的作用，然而，熒光顯微鏡對該過程的自動成像則會產(chǎn)生海量數(shù)據(jù)的圖像，且這些圖像質量變化很大，導致傳統(tǒng)的人工分析方法費時費力且不準確。因此，通過計算機對細胞圖像進行自動分析成為當前的追切需要，其中圖像分割是圖像分析過程的第一步也是最重要的一步。但是，現(xiàn)有的圖像分割技術應用于生物圖像難以取得滿意的效果，因此，研究開發(fā)出有效的全自動生物圖像分割

2、算法方法具有重要的理論意義和實際的應用價值。 本文在Boykov等人提出的graph cut分割模型基礎上，重點研究針對具有大規(guī)模數(shù)據(jù)輸出的RNAi圖像的全自動圖像分割方法，論文的主要工作及創(chuàng)新之處在于： 一、本文提出了一種改進的基于graph cut的動態(tài)輪廓算法用予對具有復雜形狀的單細胞快速分割。 由于細胞具有復雜的形狀，傳統(tǒng)的分割方法往往難以獲得滿意的效果。本文提出的方法以graph cut的動態(tài)輪廓算法為

3、基礎，引入約束項因子作為圖像先驗信息，對圖像進行增強；并引入小波顯著特征點的概念，通過自動尋找小波顯著特征點作為控制點，對分割結果進行修正，從而進一步提高了分割精度。特別地，由于采用了窄帶法的思想，該算法運算量非常小，非常適用于快速分割。 二、本文提出一種分級化的多標記graph cut算法以自動分割粘連細胞。 當前的生物圖像分割算法往往對感興趣的物體直接分割，然而，由于RNAi圖像的復雜性，現(xiàn)有方法建立的數(shù)學模型相對簡

4、單，從而難以得到滿意的結果。本文提出的方法采用了類似于分類樹結構的分級化算法，通過兩步分割來解決問題：首先是將粘連細胞從背景中提取出來；其次對粘連細胞進行分離。在每一步中，我們可以通過設計不同的馬爾可夫隨機場模型分開解決不同的難題，從而簡化了對粘連細胞分割的難度并大大提高了分割的精度。 與現(xiàn)有流行的圖像分割算法，如標記約束的分水嶺算法，水平集方法相比，本文提出的兩種算法在RNAi細胞分割的應用上做出了顯著的改進，因此，本文提出的