[发明专利]一种动物卵母细胞极体的视觉自动检测方法

说明书

本发明提供了一种动物卵母细胞极体的视觉自动检测方法，首先获得显微镜下的生物卵母细胞图像，进而利用卷积神经网络进行图像分割，然后通过后处理选取最可能的区域，最终返回是否存在极体以及极体的位置信息，实现卵母细胞极体的自动检测。该方法包括：采集卵母细胞数据集，利用图像变换扩充训练数据集；改进卷积神经网络，利用不同大小的卷积核使其更适用于检测不同大小的生物结构；利用非最大抑制选取出分割后最可能存在极体的区域；最终返回是否存在极体以及极体的位置。该方法可良好地应对生物实验中极体所存在的离焦和变形等问题，且稳定、检测准确率高。

技术领域

本发明涉及生物实验技术领域，具体涉及一种动物卵母细胞极体的视觉自动检测方 法。

背景技术

极体是细胞操作实验中一个非常重要的结构，其中包含了卵母细胞的遗传信息副本， 这种结构位于细胞质和透明带之间、靠近细胞核的位置。极体的自动检测和定位是自动细 胞操作中非常重要的步骤。比如，在自动盲眼摘除术中，在明视场显微镜下看不到细胞核， 通常人们使用极体的位置来提供核的位置信息。其他生物细胞微操作，如卵胞浆内单精子 注射和极体活检也很大程度上依赖于极体信息。

然而，极体的检测却是一件非常困难的事情，原因如下：第一，显微镜拍摄的图像分 辨率很低，以至于能保留的图像信息有限。第二，与细胞相比，极体的结构较小，并且纹理相似，因此很容易与背景混淆。第三，不同发育程度的极体形态会发生较大的变化，而 不同角度、位置、光照条件导致拍摄的图像可能非常不同。因此，为所有极体提取共同的 特征是一件很难的事情，大大增加了极体检测的难度。

近年来，人们提出了很多不同的方法用于检测生物细胞中的极体。Leung等人使用图 像二值化和圆拟合算法来确定极体的存在，然而，这种方法在很大程度上依赖于极体与周 围环境之间的灰度值差异。因此，当极体形状不像圆时就会失败。王一了等人采用一种基 于纹理的方法来实现极体检测，该方法假设极体的位置具有最佳的显微镜光照，然后使用 纹理分析来获得不同动物极体的位置。该方法很大程度上取决于显微镜的光调节，因此缺 乏如此多的纹理就会导致检测失败。陈迪等人将机器学习方法引入极体检测利用，首先利 用边界曲率信息预测极体的可能位置，然后用支持向量机进行分类。王泽南等人用图像形 态学方法和椭圆拟合方法检测小鼠卵母细胞的极体。然而上述的方法都只在单一图像的层 面上，而真实的细胞操作实验需要应对很多离焦，旋转和变形的问题。因此需要一种方法 能够在真实实验的层次解决该问题。

发明内容

本发明目的是解决现有细胞极体检测方法不能应对图像离焦和实验中的变形等问题， 提供一种生物卵母细胞的自动检测方法，高速、准确地检测并判断卵母细胞中极体的存在 与否及具体位置，用于克隆、单精子注射等细胞微操作实验中。

本发明的技术方案是：一种无生物卵母细胞极体的自动检测方法，所述方法特别在于 获取显微镜下卵母细胞图像样本，进而使用改进的卷积神经网络进行图像分割，然后利用 非最大抑制的方法提取概率最大的图像区域，最终实现了卵母细胞极体的自动检测。所述 方法具体包括以下步骤：

(1)建立并训练卷积神经网络；

(2)将采集图像输入到训练好的卷积神经网络中，并用卷积神经网络进行图像分割；

(3)选取分割图像中的最可能的极体区域；

(4)根据极体区域进行极体判断。

所述步骤(1)包含如下步骤：

(a)采集动物卵母细胞极体实验图像，进行标记和扩充，建立图像训练数据集；

(b)对卷积神经网络进行改进，并利用卷积神经网络进行图像分割；

(c)利用分割的损失函数进行卷积神经网络的训练。