[发明专利]一种基于稀疏分解与景深估计的神经元提取方法及装置

说明书

本发明公开一种基于稀疏分解与景深估计的神经元提取方法及装置，方法包括：输入原始图像视频数据；利用鲁棒性主成分分析方法分解原始图像视频数据，以得到神经元信号、背景和噪声；计算神经元信号数据的亮暗通道先验，利用两种先验估计神经元信号数据景深对应的传输率；将神经元信号数据以像素为单位点除景深对应的传输率，构建并求解约束性非负矩阵分解的神经元提取框架；输出神经元的提取信息，包括：空间位置及形状大小、动作电位和时序变化。本发明能够高效地分解背景及噪声等干扰信息，快速估计神经元信号景深以去除数据散射，准确有效地提取神经元的空间位置及形状大小、动作电位和时序变化等特征信息。

技术领域

本发明涉及神经元提取技术领域，特别是指一种基于稀疏分解与景深估计的神经元提取方法及装置。

背景技术

神经元提取是从光学显微仪器所获得的荧光钙成像图像视频数据中，提取神经元信号的空间位置及形状大小、动作电位及时序变化等特征信息。神经元提取作为关键必要环节，用于分析与阐释大尺度或介观尺度神经元细胞群所产生的生命活动及变化机理，已成为脑科学与生命科学等领域的研究热点之一。

针对钙成像中的神经元提取，现有的神经元提取方法主要有约束性非负矩阵分解和扩展约束性非负矩阵分解等方法。然而，上述方法迭代求解与重构复杂背景信息，需花费大量的运算时间；噪声直接影响神经元的提取性能。同时，这些方法未考虑及解决钙成像的散射问题；在数据矩阵运算中未考虑利用景深信息。因此如何构建一种去背景、去噪声、去散射和景深利用的高效神经元提取方法是本领域技术人员当前亟需解决的问题。

发明内容

本发明实施例提供了一种基于稀疏分解与景深估计的神经元提取方法及装置。所述技术方案如下：

一方面，提供了一种基于稀疏分解与景深估计的神经元提取方法，该方法由电子设备实现，该方法包括：

S1、输入原始图像视频数据；

S2、利用鲁棒性主成分分析方法分解输入的所述原始图像视频数据，以得到神经元信号、背景和噪声；

S3、计算神经元信号数据的亮暗通道先验，利用两种先验估计神经元信号数据景深对应的传输率；

S4、将所述神经元信号数据以像素为单位点除景深对应的传输率，构建约束性非负矩阵分解的神经元提取框架；

S5、求解约束性非负矩阵分解的神经元提取框架，输出神经元的提取信息，所述提取信息包括：空间位置及形状大小、动作电位和时序变化；

所述S5，具体包括：

S51、固定神经元的动作电位及时序变化，利用快速分层交替最小二乘算法，求解得到神经元的空间位置及形状大小；

S52、固定步骤S51得到的神经元的空间位置及形状大小，利用在线有效集算法，求解得到神经元的动作电位及时序变化；

S53、重复步骤S51-S52直到交替迭代结束，输出神经元的提取信息，所述提取信息包括：空间位置及形状大小、动作电位和时序变化；

所述S51，具体包括：

固定所有神经元的当前动作电位及时序变化，求解所有神经元空间位置及形状大小的目标函数：

(8)

其中，P为所有神经元的空间位置及形状大小，具有稀疏性和空间局部性，C为所有神经元的动作电位，上标符号^为当前参数估计值；

采用快速分层交替最小二乘算法求解P的目标函数, 对C中每个神经元均进行如下运算操作：

(9)

其中，, 上标符号T为转置运算，k=1,...,K，K为C中所有神经元数目，迭代上述运算直至迭代结束；