论文部分内容阅读
生物体是一个由多种具有特殊结构和功能的细胞组成的复杂有机体。对于研究生命体的结构与功能的成像技术而言，系统、全面、高分辨率的细胞形貌及亚细胞结构表征能力目前仍然是一个挑战。本论文对基于高频复合超声扫描探针显微镜(Atomic Force Acoustic Microscopy, AFAM)的无创高效亚细胞结构成像及其包含不同信息图像的融合方法进行了系统深入地研究，以期推动无创高效亚细胞成像及图像后处理技术的发展、进步与应用，促进生命科学和医学领域的相关研究。
细胞形貌及内部结构的成像对基于高频复合超声扫描探针显微镜的声波内部成像技术的精确性和鲁棒性等性能提出了很高的要求。细胞形貌及内部结构的成像也是后续进行形貌与声学图像融合的基础。因此，为了证实声学成像的分辨率能够达到亚细胞成像的要求，本文首先对基于AFAM的声波透射成像原理进行了理论分析，证明了在一定范围内通过提高声学频率可以提高成像分辨率、对比度和成像精度。同时，为了验证透射声波内部成像的精确性和鲁棒性,设计制备了包括结构精确设计的硅片刻槽和涂覆纳米金颗粒样品。实验结果表明，声波内部成像的分辨率达到了纳米量级，能精确地检测出材料内部纳米级缺陷的准确大小和位置。
其次，针对不同生物细胞的亚细胞结构高分辨率成像的特殊要求，本文对AFAM成像全过程包括样品制备、成像流程、参数选择及结果分析进行了一系列的针对性优化研究，以缩短成像时间，提高图像质量。同时，为了更好地展示不同的细胞结构，提出了一种基于RGB伪彩的彩色图像融合模型。通过样品制备、参数优化和融合模型的研究，建立了一种亚细胞结构成像平台，并基于该平台建立了一个表征包括真核生物和原核生物的亚细胞结构图谱。该图谱能描述不同尺度样本的细胞结构，提供清晰的亚细胞特征图像细节特征，将促进人类细胞图谱研究，拓展显微技术在生物医学研究中的应用。
再次，由于AFAM得到的形貌图像和声学图像各自包含不相同的信息，因此，图像融合能够更为有效地帮助对亚细胞结构的准确分析和定位。为此，本文使用非下采样轮廓波变换来进行图像的多频分解，通过改进拉普拉斯能量和来进行高频分量的融合，用最大绝对值规则融合低频分量。结果表明，本文方法在三个客观评价指标上明显优于其他方法，保留了更多的细胞细节，提高了图像的对比度，获得更好的像素连续性。
最后，由于深度学习具有优越的图像数据不同抽象层次的分层特征表征能力，因此，本论文进一步研究了基于深度学习的AFAM细胞图像融合方法，采用暹罗网络解决人为选择融合规则的问题。该方法首先利用曲波变换将源图像转换成多个子带；然后利用暹罗网络获取的融合规则对低频分量进行融合；再利用改进拉普拉斯能量和对高频分量进行融合；最后通过曲波逆变换获得融合后的图像。通过对六种不同类型细胞所进行的实验，本文的方法能够得到边缘更清晰、结构细节保存更完整的细胞图像。
本文围绕高频复合超声扫描探针显微镜的亚细胞结构成像进行了系统的研究。通过对声学内部成像、亚细胞结构表征方法、基于多尺度分解的图像融合及基于深度学习的图像融合方法的研究，不仅证明了该成像方法在软质材料内部成像上的巨大潜力，同时，也表明采用图像融合算法可为细胞内部结构的分析提供新途径。基于AFAM的亚细胞成像方法具有成像范围广、样品制备容易、多色显示和无损成像等优点，可促进人体细胞图谱工程的发展，在探索细胞转移机制和临床疾病机理研究等方面具有广阔的应用前景。
细胞形貌及内部结构的成像对基于高频复合超声扫描探针显微镜的声波内部成像技术的精确性和鲁棒性等性能提出了很高的要求。细胞形貌及内部结构的成像也是后续进行形貌与声学图像融合的基础。因此，为了证实声学成像的分辨率能够达到亚细胞成像的要求，本文首先对基于AFAM的声波透射成像原理进行了理论分析，证明了在一定范围内通过提高声学频率可以提高成像分辨率、对比度和成像精度。同时，为了验证透射声波内部成像的精确性和鲁棒性,设计制备了包括结构精确设计的硅片刻槽和涂覆纳米金颗粒样品。实验结果表明，声波内部成像的分辨率达到了纳米量级，能精确地检测出材料内部纳米级缺陷的准确大小和位置。
其次，针对不同生物细胞的亚细胞结构高分辨率成像的特殊要求，本文对AFAM成像全过程包括样品制备、成像流程、参数选择及结果分析进行了一系列的针对性优化研究，以缩短成像时间，提高图像质量。同时，为了更好地展示不同的细胞结构，提出了一种基于RGB伪彩的彩色图像融合模型。通过样品制备、参数优化和融合模型的研究，建立了一种亚细胞结构成像平台，并基于该平台建立了一个表征包括真核生物和原核生物的亚细胞结构图谱。该图谱能描述不同尺度样本的细胞结构，提供清晰的亚细胞特征图像细节特征，将促进人类细胞图谱研究，拓展显微技术在生物医学研究中的应用。
再次，由于AFAM得到的形貌图像和声学图像各自包含不相同的信息，因此，图像融合能够更为有效地帮助对亚细胞结构的准确分析和定位。为此，本文使用非下采样轮廓波变换来进行图像的多频分解，通过改进拉普拉斯能量和来进行高频分量的融合，用最大绝对值规则融合低频分量。结果表明，本文方法在三个客观评价指标上明显优于其他方法，保留了更多的细胞细节，提高了图像的对比度，获得更好的像素连续性。
最后，由于深度学习具有优越的图像数据不同抽象层次的分层特征表征能力，因此，本论文进一步研究了基于深度学习的AFAM细胞图像融合方法，采用暹罗网络解决人为选择融合规则的问题。该方法首先利用曲波变换将源图像转换成多个子带；然后利用暹罗网络获取的融合规则对低频分量进行融合；再利用改进拉普拉斯能量和对高频分量进行融合；最后通过曲波逆变换获得融合后的图像。通过对六种不同类型细胞所进行的实验，本文的方法能够得到边缘更清晰、结构细节保存更完整的细胞图像。
本文围绕高频复合超声扫描探针显微镜的亚细胞结构成像进行了系统的研究。通过对声学内部成像、亚细胞结构表征方法、基于多尺度分解的图像融合及基于深度学习的图像融合方法的研究，不仅证明了该成像方法在软质材料内部成像上的巨大潜力，同时，也表明采用图像融合算法可为细胞内部结构的分析提供新途径。基于AFAM的亚细胞成像方法具有成像范围广、样品制备容易、多色显示和无损成像等优点，可促进人体细胞图谱工程的发展，在探索细胞转移机制和临床疾病机理研究等方面具有广阔的应用前景。