微流控芯片内细胞识别与计数方法研究

发布时间：2021-05-11 05:45

　　细胞计数在生物学、医学等诸多领域中发挥着重要作用,但是由于样品中细胞数量较多,人工计数不仅费时费力,而且结果具有主观性。为了能快速、准确地统计出结果,有必要开发自动化细胞计数方法。微流控系统能够操作体积非常微小的细胞样品和试剂,可较好地实现细胞分离,有助于后续统计分析。在过去的几年里,大量基于微流控芯片的实验设备被提出用于细胞识别和计数。为获得准确的统计结果,基于图像的方法被应用于微流控芯片内细胞计数,然而,现有的图像识别的方法大多限定于固定区域的细胞识别与计数,由于固定区域背景单一,因而只需要简单的方法或网络即可实现细胞计数。当这些方法应用到非固定区域细胞计数时,效果会下降,另外,外界环境的干扰以及图像质量的下降进一步加剧了细胞计数的困难。针对上述问题,本文利用图像处理、机器视觉等技术对微流控芯片内的细胞显微图像进行自动分析,提供准确的统计结果。具体工作开展如下:首先,本文对微流控芯片内细胞图像进行了预处理以提升图像质量。基于Pearson系数与网格搜索,对显微图像的径向畸变系数进行了求解,畸变校正后直线度达到了 0.008,与现有方法相比提升了 1 1%,校正效果良好:使用图像配准... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 基于阻抗法的微流控芯片内细胞计数
        1.2.2 基于光电法的微流控芯片内细胞计数
        1.2.3 基于图像法的微流控芯片内细胞计数
    1.3 研究内容与章节安排
第二章 细胞显微图像采集与预处理
    2.1 显微图像的采集及分析
        2.1.1 图像采集系统
        2.1.2 显微图像特点分析
    2.2 图像预处理
        2.2.1 去畸变
        2.2.2 图像缝合
        2.2.3 去散焦模糊
    2.3 小结
第三章 基于神经网络的细胞与流道识别
    3.1 图像识别神经网络
        3.1.1 网络结构
        3.1.2 损失函数
    3.2 结合明暗场信息的细胞与流道识别
        3.2.1 荧光图片压缩
        3.2.2 细胞与流道识别
    3.3 实例验证与结果分析
        3.3.1 不同输入下的识别效果
        3.3.2 对比实验
    3.4 小结
第四章 接触细胞分割
    4.1 算法流程
    4.2 凹点检测
    4.3 凹点匹配
        4.3.1 确定候选匹配点
        4.3.2 凹点匹配原则
    4.4 实例验证与结果分析
    4.5 小结
第五章 总结和展望
    5.1 工作总结
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间取得的成果
攻读硕士学位期间参与的项目
学位论文评阅及答辩情况表


【参考文献】：
期刊论文
[1]基于凹点匹配的重叠图像分割算法[J]. 韦冬冬,赵豫红.  计算机与应用化学. 2010(01)
[2]一种基于边缘生长的灰度和彩色图象分割方法[J]. 林通,石青云.  中国图象图形学报. 2000(11)

硕士论文
[1]X射线显微CT图像畸变校正研究[D]. 徐晓茹.天津大学 2017



本文编号：3180838