基于細(xì)胞識別和事件探測算法對鈣成像數(shù)據(jù)的自動化分析研究及應(yīng)用.pdf

1、神經(jīng)科學(xué)是一門重點研究腦科學(xué)的綜合性學(xué)科。在最近20年期間，神經(jīng)科學(xué)經(jīng)歷著飛速的發(fā)展，對類腦人工智能的進(jìn)步及各種神經(jīng)及精神類疾病的治療有著非常重大的意義。其中計算機技術(shù)對于推動神經(jīng)科學(xué)的發(fā)展起著不可替代的作用。隨著神經(jīng)活動記錄技術(shù)的發(fā)展與新的紀(jì)錄方法的出現(xiàn)，腦科學(xué)數(shù)據(jù)的分析成為一重大難題，急需借助計算機自動化分析技術(shù)來取代手工分析，提高分析的效率與精度。
　　在過去的10年中，雙光子鈣成像技術(shù)已經(jīng)被廣泛地應(yīng)用于神經(jīng)元群的功能活動成

2、像，并且可以很容易地與細(xì)胞類型特異標(biāo)記物結(jié)合用于分析特定類型神經(jīng)元環(huán)路的功能。為了達(dá)到這一目標(biāo)，就需要在單細(xì)胞水平上進(jìn)行神經(jīng)活動的分析。然而，人工方式進(jìn)行細(xì)胞的識別費時并且標(biāo)準(zhǔn)很難統(tǒng)一。因此，通過計算機技術(shù)來自動地、精確地快速識別單個神經(jīng)細(xì)胞的位置和輪廓具有重要價值。在此基礎(chǔ)上，通過提取單個神經(jīng)細(xì)胞熒光強度變化來分析動作電位相關(guān)的活動，以此和行為學(xué)變量聯(lián)合可解析大腦特定皮層區(qū)域的工作機制?？梢?，神經(jīng)細(xì)胞的識別分割和單個細(xì)胞鈣信號事件的探

3、測是光學(xué)腦功能成像數(shù)據(jù)分析工作中的基礎(chǔ)并具有至關(guān)重要的作用。故本文研究工作主要分為兩個部分：
　　（1）提出一種新的細(xì)胞識別與分割方法。該方法主要分為3個步驟：（a）對鈣成像數(shù)據(jù)的細(xì)胞圖像，利用多尺度拉普拉斯高斯濾波（Multi_LoG）定位局部極值從而實現(xiàn)對細(xì)胞的種子點（中心點）的初步探測；（b）利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法進(jìn)行細(xì)胞的進(jìn)一步判別，降低探測結(jié)果的假陽性；（c）利用TWANG算法對細(xì)胞進(jìn)行邊緣檢測，該算法的優(yōu)點是具

4、有精確分割能力的同時計算復(fù)雜度低，從而可以進(jìn)行細(xì)胞邊緣的快速分割。本文將此方法應(yīng)用于開源細(xì)胞圖像(benchmark)和來自第三軍醫(yī)大學(xué)腦研究中心的雙光子鈣成像細(xì)胞圖像，并與一些已發(fā)表論文中的細(xì)胞識別分割算法比較。
　　（2）對于鈣成像數(shù)據(jù)的熒光亮度變化曲線，提出一種新的鈣事件探測方法。首先通過分析建立反應(yīng)動作電位活動的鈣事件的相關(guān)特征參數(shù)，利用一個滑動的基線窗獲得噪聲水平的估計值。然后再提取基線相鄰的探測窗口數(shù)據(jù)中鈣事件的特征信

5、息，并且與多項特征參數(shù)進(jìn)行匹配以判斷該該事件活動是否滿足鈣事件的特征條件。在成功判斷的基礎(chǔ)上，進(jìn)一步提取鈣事件的初始點，峰值點和結(jié)束點的位置信息。最后在鈣事件數(shù)據(jù)中，將已成功探測的鈣事件的噪聲水平進(jìn)行再次估計用作下一步的探測。以此完成一個鈣事件的探測過程，并通過這種方式循環(huán)直至整個鈣成像熒光數(shù)據(jù)的事件探測完成。本文將此方法應(yīng)用于仿真鈣事件數(shù)據(jù)和來自第三軍醫(yī)大學(xué)腦研究中心的雙光子鈣成像熒光亮度曲線，并與現(xiàn)已發(fā)表論文中的一些鈣事件探測算法比

6、較。
　　基于以上工作，對本文分析方法進(jìn)行評估的方案主要是比較這些方法所得到結(jié)果的召回率（Recall），精確率（Precision）和F分?jǐn)?shù)（F-score）這三個參數(shù)的值。通過應(yīng)用于開源和仿真數(shù)據(jù)，證明本文方法的有效性和正確性；通過應(yīng)用于真實數(shù)據(jù)，證明本文方法的實用性和可行性。借助對上述多項數(shù)據(jù)的應(yīng)用，將對比方法與本文提出方法產(chǎn)生結(jié)果的平均值進(jìn)行比較并對其進(jìn)行顯著性差異分析，證明本文方法可在自動化的分析過程中獲得更精確的神經(jīng)細(xì)