基于时域演化特征的细胞有丝分裂事件识别与检测

论文摘要

提出一种利用细胞时域演化特征来表示有丝分裂的方法。首先,该方法从细胞有丝分裂序列的每帧图像中提取三种不同特征,即通用搜索树(GIST)、尺度不变特征变换(SIFT)、卷积神经网络(CNN),针对提取的每种特征,用池化方法在空间和时间维度上对其进行处理;然后,将处理后的一系列池化特征组合成一个单一的特征向量来表示该细胞有丝分裂事件的最终特征;最后,将组合后的特征向量作为分类器的输入,利用传统的机器学习方法,即支持向量机(SVM)来处理有丝分裂事件的识别问题。实验结果表明所提方法在精度和召回率方面均优于传统方法,可以更好地应用于细胞有丝分裂检测中。

论文目录

• 1 引言
• 2 细胞有丝分裂事件的识别与检测方法
•   2.1 特征表示
•   2.2 时间池化操作
•   2.3 模型学习
• 3 有丝分裂事件检测实验
•   3.1 实验数据集
•   3.2 有丝分裂事件检测方法的评估
•   3.3 时间池化长短对识别性能的影响
•   3.4 池化方法对识别性能的影响
•   3.5 特征提取对识别性能的影响
•   3.6 有丝分裂事件检测方法与当前技术进行比较
•   3.7 有丝分裂时空联合检测
• 4 结论

文章来源

类型: 期刊论文

作者: 陈闯,贾文武,王亚

关键词: 图像处理,时域演化特征,图像特征,分类器,有丝分裂

来源: 激光与光电子学进展 2019年24期

年度: 2019

分类: 信息科技,基础科学

专业: 生物学,计算机软件及计算机应用,自动化技术

单位: 天津大学电气自动化与信息工程学院

基金: 国家自然科学基金（61502337,31770904,61772359,61472275,21106095）,天津市应用基础与先进技术研究计划（15JCYBJC30700,15JCYBJC16200）

分类号: TP391.41;TP18;Q25

页码: 132-139

总页数: 8

文件大小: 556K

下载量: 55