[发明专利]一种线虫身体弯曲行为的识别和计数方法及相关设备

说明书

本发明公开了一种线虫身体弯曲行为的识别和计数方法及相关设备，所述方法包括：获取线虫视频，对所述线虫视频进行分帧处理得到原始灰度图像，根据所述原始灰度图像得到线虫二值图像；根据线虫的所述原始灰度图像，基于卷积神经网络的数值坐标回归算法获得头部坐标和尾部坐标；根据所述线虫二值图像，基于曲率的特征点提取算法计算线虫中心线上的峰值点；计算峰值点到线虫的咽部和尾部之间连线的最大距离，根据每帧最大距离的变化计算线虫身体弯曲的数量。本发明基于卷积神经网络的数值坐标回归算法进行线虫头部和尾部的坐标识别，提高了准确率，通过提取特征点，实现了更加简单快速的计算线虫身体弯曲次数。

技术领域

本发明涉及电子信息技术领域，尤其涉及一种线虫身体弯曲行为的识别和计数方法、系统、终端及计算机可读存储介质。

背景技术

线虫的运动行为在药物活性筛选、抗衰老研究和毒理学评估中具有重要作用。先前的研究通过手动计算身体弯曲的数量，为药物活性筛选、抗衰老和毒理学研究提供了重要的见解。然而，人工计数往往吞吐量低，耗费大量时间和人力，并且在计数结果中容易造成人为的偏差。在许多研究中，由于时间和劳动力的限制，实验样本的数量往往会减少，这很容易造成最终实验结果的一定误差。此外，在人工计数过程中，一些细微的变化往往被人眼忽略。这些问题对实验数据的收集提出了相当大的挑战。

因此，使用高通量、自动化、准确的算法计数来取代人工计数是当前的趋势。为了满足这些需求，一些实验室已经开发出高精度和高通量的蠕虫追踪器。

例如，根据线虫体曲次数的计数方法的定义：每次在线虫咽部后面的部分在与上次计数的弯曲相反的方向上达到最大弯曲时，将计数向前推进；但是，如果在线虫向前运动过程中，线虫自发地反转，并且咽部后面的区域再次弯曲到线虫刚刚向前移动时弯曲的方向，不能算为一次计数，等到线虫实际上弯曲到另一个方向才可以将计数向前推进，这样存在计数误差。例如，将线虫身体量化为正弦和余弦函数，以计算身体弯曲的数量，这与π的相位推进相对应；但是，该方法不能准确统计欧米茄弯曲等弯曲行为，具有一定的局限性。例如，通过将线虫身体分成n个部分，然后计算每个部分的弯曲角度以生成角度矩阵来量化线虫的身体弯曲，这种计数方法计算线虫体内的每一次弯曲，不符合线虫身体弯曲次数的计数标准。

因此，现有技术还有待于改进和发展。

发明内容

本发明的主要目的在于提供一种线虫身体弯曲行为的识别和计数方法、系统、终端及计算机可读存储介质，旨在解决现有技术中对线虫的运动行为进行识别和计数存在误差且准确率不高的问题。

为实现上述目的，本发明提供一种线虫身体弯曲行为的识别和计数方法，所述线虫身体弯曲行为的识别和计数方法包括如下步骤：

获取线虫视频，对所述线虫视频进行分帧处理得到原始灰度图像，根据所述原始灰度图像得到线虫二值图像；

根据线虫的所述原始灰度图像，基于卷积神经网络的数值坐标回归算法获得头部坐标和尾部坐标；

根据所述线虫二值图像，基于曲率的特征点提取算法计算线虫中心线上的峰值点；

计算峰值点到线虫的咽部和尾部之间连线的最大距离，根据每帧最大距离的变化计算线虫身体弯曲的数量。

可选地，所述的线虫身体弯曲行为的识别和计数方法，其中，所述获取线虫视频，对所述线虫视频进行分帧处理得到原始灰度图像，根据所述原始灰度图像得到线虫二值图像，具体包括：

对获取的所述线虫视频进行分帧处理，得到所述原始灰度图像；

选取所述原始灰度图像进行裁剪，获取图像四个角点的灰度值的最大值，其中，至少有一个角点始终不属于线虫身体，确定所述原始灰度图像的背景层的像素值；

使用预设大小的滑动窗口扫描所述原始灰度图像，计算所述滑动窗口内像素在每个像素位置的平均值和标准差；