基于CNN的相衬显微图像序列的癌细胞多目标跟踪

摘要：

检测与跟踪相衬显微图像序列下的癌细胞对于分析癌细胞的生命周期以及开发抗癌新药具有非常重要的意义.传统的目标跟踪方法大多应用于刚性目标跟踪或单目标跟踪,而癌细胞是非刚性且不断裂变的多目标,这就大大增加了跟踪的难度.文中以相衬显微图像序列中的膀胱癌细胞为研究对象,提出一种基于卷积神经网络(Convolu-tional Neural Network,CNN)的癌细胞多目标跟踪方法.该算法采用基于检测的多目标跟踪方法,首先利用深度学习检测框架Faster R-CNN卷积神经网络实现癌细胞的检测,初步获得待跟踪的癌细胞;再利用扫描圆算法(Circle Scan-ning Algorithm,CSA)实现黏连细胞的检测优化,进一步提高黏连区域的细胞检测精度;最后提取综合特征描述子,对卷积特征、尺寸特征和位置特征进行加权求和,实现跟踪目标的综合描述,从而实现不同帧癌细胞间的高效关联匹配,最终实现癌细胞的多目标跟踪.一系列实验结果表明,相较于传统方法,所提方法不仅在癌细胞的检测和跟踪上性能有较大的提升,而且可以有效处理目标的遮挡问题.

关键词：卷积神经网络、细胞检测、Faster R-CNN、扫描圆算法、多目标跟踪

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：浙江省自然科学基金LY18F030025;国家自然科学基金61802347,U1509207,31640053;中国微系统技术重点实验室基金6142804010203

在线出版日期：2019-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：279-285