[发明专利]神经元荧光显微图像的树突棘标注方法和追踪方法

权利要求书

1.一种神经元荧光显微图像的树突棘标注方法，包括：

根据神经元荧光显微图像中像素点的像素值，确定所述神经元荧光显微图像中的神经元区域；

基于所述像素值的局部峰值，从所述像素点中确定位于所述神经元区域内的候选峰值点，其中，所述局部峰值表征所述神经元荧光显微图像中的局部区域最大的像素值，相邻所述局部峰值的距离大于预设阈值；

根据所述候选峰值点的像素值变化信息，确定所述神经元荧光显微图像中的与树突棘相匹配的目标峰值点；

基于所述目标峰值点，利用预设搜索框中像素点的梯度变化信息，标注所述神经元荧光显微图像中的树突棘区域，得到目标标注图像。

2.根据权利要求1所述的方法，其中，所述根据神经元荧光显微图像中像素点的像素值，确定所述神经元荧光显微图像中的神经元区域，包括：

根据所述像素值，确定所述神经元荧光显微图像中所述像素点的平均值和标准差；

基于所述平均值和标准差，确定第一级阈值和第二级阈值，其中所述第一级为所述平均值与三倍的所述标准差之和，所述第二级阈值为所述平均值与所述标准差之和；

基于所述第一级阈值和所述第二级阈值，在所述神经元荧光显微图像中确定初始神经元区域；

利用自适应阈值在所述初始神经元区域中确定所述神经元区域。

3.根据权利要求1所述的方法，其中，所述根据所述候选峰值点的像素值，确定所述神经元荧光显微图像中的与树突棘相匹配的目标峰值点，包括：

根据所述候选峰值点的像素值，确定所述像素值的偏导数；

根据所述偏导数，确定所述候选峰值点的结构张量矩阵；

基于所述结构张量矩阵的多个第一特征值，确定所述神经元荧光显微图像中的与树突棘相匹配的目标峰值点。

4.根据权利要求1所述的方法，其中，所述根据所述候选峰值点的像素值，确定所述神经元荧光显微图像中的与树突棘相匹配的目标峰值点，包括：

根据所述候选峰值点的像素值，确定所述像素值的二阶偏导数；

基于所述二阶偏导数，确定所述候选峰值点的黑塞矩阵；

对所述黑塞矩阵的多个特征值进行绝对值处理，得到第二特征值；

基于所述第二特征值，确定所述神经元荧光显微图像中的与树突棘相匹配的目标峰值点。

5.根据权利要求1所述的方法，其中，所述基于所述目标峰值点，利用预设搜索框标注所述神经元荧光显微图像中的树突棘区域，包括：

以所述目标峰值点为中心，利用所述预设搜索框在所述神经元荧光显微图像中确定多个像素块；

针对所述多个像素块中的每个像素块，基于所述目标峰值点进行区域生长，得到中间区域；

根据所述中间区域的灰度梯度方向，标注所述神经元荧光显微图像中的树突棘区域。

6.一种神经元荧光显微图像的树突棘追踪方法，包括：

通过连续成像获取多个时刻的神经元荧光显微图像；

利用预先训练好的树突棘标注模型标注各时刻所述神经元荧光显微图像中的树突棘区域，得到多个树突棘区域，其中，所述树突棘标注模型是以权利要求1-5中任一项所述的神经元荧光显微图像的树突棘标注方法得到的目标标注图像作为训练样本训练得到的；

根据所述多个树突棘区域中的树突棘的摆动范围，利用目标追踪方法确定所述树突棘的运动轨迹，以便对所述神经元荧光显微图像中的树突棘进行追踪。

7.根据权利要求6所述的方法，所述树突棘标注模型的训练方法包括：

获取训练样本，其中，所述训练样本包括目标标注图像训练子样本和神经元荧光显微图像训练子样本；

将所述目标标注图像训练子样本作为标签，所述神经元荧光显微图像训练子样本作为输入对深度学习模型进行训练，得到树突棘标注模型。

8.根据权利要求6所述的方法，其中，所述目标追踪方法至少包括以下一项：最大值投影追踪方法、卡尔曼滤波追踪方法、贝叶斯追踪方法。