[发明专利]基于局部图匹配和卷积神经网络的细胞追踪方法

权利要求书

1.基于局部图匹配和卷积神经网络的细胞追踪方法，其特征在于，所述方法包括以下步骤：

S1、输入细胞图像并利用分水岭方法对细胞图像进行分割，得到细胞分割图像；

S2、截取并处理细胞分割图像中的所有细胞图片，然后搭建和训练卷积神经网络，利用训练好的卷积神经网络提取待匹配细胞对的深度相似度；

S3、从所述步骤S1得到的细胞分割图像中提取待匹配细胞的局部三角图特征并计算待匹配细胞对的局部三角图相似度，其中：

所述待匹配细胞的局部三角图特征由边缘夹角、边长比和细胞面积比组成，用公式表示：

式(2)中，i表示t₁时刻细胞图片中的待匹配细胞，j₁,j₂表示待匹配细胞i的相邻细胞，表示t₁时刻待匹配细胞i和相邻细胞j₁、j₂形成的边缘夹角，和分别表示t₁时刻的细胞图片中待匹配细胞i与相邻细胞j₁和相邻细胞j₂之间的长度，和分别表示相邻细胞j₁和相邻细胞j₂的面积；

所述待匹配细胞对的局部三角图相似度用公式表示：

式(3)中，j₁≠j₂，v₁≠v₂，u表示t₂时刻细胞图片中的待匹配细胞，v₁,v₂表示待匹配细胞u的相邻细胞；

S4、结合所述步骤S2提取的深度相似度和所述步骤S3提取的局部三角图相似度构建待匹配细胞对的相似度矩阵，取不同时刻两帧细胞图像并将两帧细胞图像中相似度矩阵最大值所对应的细胞对作为种子细胞；

S5、从所述步骤S4中的种子细胞开始，采用邻域细胞扩散方法依次匹配相邻细胞对直至完成所有细胞对的匹配，得到最终的细胞追踪结果。

2.如权利要求1所述的基于局部图匹配和卷积神经网络的细胞追踪方法，其特征在于，所述步骤S1的具体实现方式为：输入细胞图像，将细胞图像中的低强度像素区域设为山谷，高强度像素区域设为山峰，并输出高强度像素区域为细胞边界，即完成细胞图像的分割。

3.如权利要求2所述的基于局部图匹配和卷积神经网络的细胞追踪方法，其特征在于，所述步骤S2的具体实现方式为：

S21、截取细胞分割图像中的所有细胞图片；

S22、将所述步骤S21中截取的细胞图片进行归一化处理，然后选择并判断两张细胞图片是否为匹配细胞对，若为匹配细胞对，则将两张细胞图片进行像素相减并把像素相减后的细胞图片设为正样本；若为不匹配细胞对，则将两张细胞图片进行像素相减并把像素相减后的细胞图片设为负样本；

S23、搭建卷积神经网络并将所述步骤S22中得到的正样本和负样本输入卷积神经网络中进行训练，得到训练好的卷积神经网络；

S24、将待匹配细胞对的细胞图片进行归一化处理，然后进行像素相减并将像素相减后的细胞图片输入所述步骤S23中训练好的卷积神经网络中，得到待匹配细胞对的匹配概率，即待匹配细胞对的深度相似度。

4.如权利要求3所述的基于局部图匹配和卷积神经网络的细胞追踪方法，其特征在于，所述步骤S22中所截取的细胞图片归一化至50×50像素大小。

5.如权利要求4所述的基于局部图匹配和卷积神经网络的细胞追踪方法，其特征在于，所述步骤S24中待匹配细胞对的深度相似度用公式表示：

式(1)中，F(i,u)∈[0,1]，F(i,u)表示待匹配细胞i和待匹配细胞u之间的匹配概率，z₁表示待匹配细胞i和待匹配细胞u之间的相似度，z₂表示待匹配细胞i和待匹配细胞u之间的不相似度，且z₁和z₂表示卷积神经网络中第二个全连接层的两个输出。