论文部分内容阅读
近年来，对活细胞内的线粒体、RNA等亚细胞粒子在三维空间中动态过程的研究，已成为当前生物研究领域的焦点和难点，解决这一问题将有助于揭示生命的本质、神经活动的机制和癌的病因，等等。该类研究主要借助荧光显微技术捕捉粒子的动态图像序列，并利用数字图像处理方法对图像进行反卷积、识别、分类、轨迹捕捉，从而获得粒子的各项参数，分析粒子的动态过程。 传统的二维分析方法在解决亚细胞粒子的三维识别中面临着一些挑战。首先，受光漂白效应的影响，活细胞内三维样本成像更适合用传统的宽场荧光显微镜，而受光学衍射极限和样本异质性的影响，宽场显微图像信噪比很低，粒子常常混杂在不均匀的背景噪声中难以辨认。在反卷积过程中点扩散函数(Point SpreadFunction，PSF)不易估计，且在处理大吞吐量的三维数据上传统的反卷积算法性能有待提高。其次，亚细胞粒子在图像中尺度小且分布密集，粘连和光轴方向的遮蔽经常发生，这叉向传统的识别算法提出了诸多挑战。 本文以宽场显微镜下亚细胞粒子的三维图像为对象，对粒子分析过程中的反卷积和识别这两个关键部分分别进行了算法的研究，就实际问题中PSF的测量和反卷积算法的三维版本的加速问题进行了研究，并提出了一种新奇的高精度的识别算法。 首先，经典的反卷积算法主要分为五类:去模糊算法、线性算法、非线性算法、统计学算法，以及盲反卷积算法。本文介绍了其中比较应用较多的逆滤波、约束Tikhonov-Miller算法和Richard-Lucy(R-L)算法，并就当前反卷积算法的研究热点——正则化项和迭代收缩类算法，进行了阐述。考虑到本文中亚细胞粒子和宽场荧光显微图像的特点，本文提出了一种改进的三维R-L算法。 其次，本文以果蝇幼虫神经纤维中的线粒体为样本进行了实际实验研究。本文用宽场荧光显微镜进行等间距扫描，获得一组二维切片组成的三维图像。针对三维成像中宽场显微镜系统模型的难估测性，反卷积时所用的PSF没有像一般方法中用理论的Gibson和Lanni模型或者其它简化模型，而是实际测量了系统的PSF。本文在同等实验条件下放一些荧光微球（亚显微尺度）作为点目标，在光轴方向上更高分辨率地扫描获得其三维图像，并从中抽取出荧光微球的三维图像，经过数值处理后即为系统的实际PSF。 最后，本文对当前的粒子识别算法进行了综述，详述了基于LoG滤波器的算法，基于h-dome变换的算法，基于各项同性非抽取小波(Isotropic undecimatedwavelet transform，IUWT)的识别算法。针对亚细胞粒子尺度小分布密集的特点，本文提出了一种基于二次分割的三维识别方法:第一步是全局分割，阈值的设定基于匹配尺度的IUWT滤波结果，分割结果是包含一个或多个粒子的备选区块;第二步是自适应局部分割，对体积大于均值的备选区块进行再次分割，通过三维分水岭技术实现粘连粒子的分割。本文通过实验对比发现，本文提出的方法的识别精度远高于其它方法，是研究该类问题的有力手段。