[发明专利]一种基于图像融合和阈值分割的冷冻电镜单颗粒挑选方法

说明书

本发明公开了一种基于图像融合和阈值分割的冷冻电镜单颗粒挑选方法，首先输入冷冻电镜图像数据，并对图像数据进行归一化处理；然后对归一化处理后的图像文件依次缩小，生成一系列不同尺度的图像；接着将不同尺度图像恢复为与归一化图像具有相同尺寸的图像；将由多尺度图像恢复的图像累加取均值，获取融合图像；对融合图像，分离颗粒图像与背景，获得颗粒区域图像；对阈值分割得到的颗粒区域图像去除异常区域；最后根据去除异常区域后颗粒区域图像，计算轮廓中心，得到冷冻电镜图像中颗粒的位置坐标。本发明简化了颗粒挑选流程，提高了颗粒挑选效率，提高了颗粒挑选的召回率与精确率。

技术领域

本发明属于结构生物学分析技术领域，涉及一种冷冻电镜单颗粒挑选方法，特别涉及一种基于Lanczos采样多尺度图像融合和阈值分割的冷冻电镜单颗粒挑选方法。

背景技术

冷冻电子显微镜(Cryogenic Electron Microscopy，Cryo-EM)技术是目前测定生物大分子结构的强有力手段及主流方法之一。使用冷冻电镜技术重构生物分子三维结构的总体步骤大致可分为4步：样本纯化与制备、数据采集与分析、二维颗粒图像挑选与分类、三维结构重构。由于生物样本的制备技术和电子显微镜硬件系统的限制，使得冷冻电镜采集到的图像信噪比极低，且存在部分非样本颗粒干扰，使得自动挑选冷冻电镜图像中的样本颗粒较为困难。

目前比较流行的颗粒挑选方法根据挑选过程是否需要颗粒图像作为参考信息，颗粒挑选方法大致分为两类：一是需要颗粒图像，这些颗粒图像可以来自手动选择的颗粒图像、相似分子的颗粒图像或者根据三维模型合成的颗粒图像，这种方法将颗粒图像作为模板或数据集来实现颗粒的自动拾取；二是不需要颗粒图像作为参考模板，其中大部分方法需要一些先验知识，选取部分参数确定颗粒的大致形状。

使用模板的方法往往需要全部角度的投影图像，若模板图像不全，可能会导致较多的漏选。使用深度学习方法来挑选颗粒则需要足够多的人工标注图像做训练集，且最终挑选结果受训练集影响较大。第二组颗粒挑选方法无需手动选择或标记颗粒图像，但对图像质量要求较高，在质量偏低的电镜图像上难以取得好的结果。主流的颗粒挑选方法存在着以下缺点：

1)需要大量的人工生成的训练集或者优质颗粒模板，适应范围较窄，只对特定的颗粒图像有效；

2)时间复杂度高，难以复现和推广。

发明内容

为了解决上述技术问题，本发明提供了一种基于Lanczos采样多尺度图像融合和阈值分割算法的颗粒挑选方法，用于增强电镜图像的质量，降低噪声对颗粒区域的影响，使得边缘更加明晰，从而从图像中分割出颗粒区域，最终实现提高冷冻电镜颗粒挑选的效率，简化颗粒挑选流程。

本发明所采用的技术方案是：一种基于图像融合和阈值分割的冷冻电镜单颗粒挑选方法，包括以下步骤：

步骤1：输入冷冻电镜图像文件，并使用百分位归一化方法将冷冻电镜图像文件转化为jpg格式图像文件；

步骤2：对归一化处理后的图像文件使用基于Lanczos算法的插值方法，将图像依次缩小，生成一系列不同尺度的图像；

步骤3：对所有不同尺度的图像使用基于Lanczos算法的插值方法，将不同尺度图像恢复为与归一化图像具有相同尺寸的图像；

步骤4：将由多尺度图像恢复的图像累加取均值，获取融合图像；

步骤5：对融合图像使用基于最大类间方差的阈值分割法，分离颗粒图像与背景，获得颗粒区域图像；

步骤6：对阈值分割得到的颗粒区域图像使用形态学处理、点融合处理、边界点清理等方式去除异常区域；

步骤7：根据去除异常区域后颗粒区域图像使用寻找轮廓算法，并计算轮廓中心，得到冷冻电镜图像中颗粒的位置坐标。