多剪切方向恢复微分干涉对比（DIC）显微镜图像及半监督度量学习识别核表型

### 多剪切方向恢复微分干涉对比（DIC）显微镜图像及半监督度量学习识别核表型 在生物学研究中，显微镜成像技术为我们深入了解细胞和组织的微观结构提供了强大的工具。而对于DIC显微镜图像的恢复以及细胞核表型的识别，更是在癌症研究等领域有着重要的意义。 #### DIC显微镜图像恢复 在DIC显微镜图像中，强度值与标本光程长度（OPL）的梯度成正比。为了直接定量测量标本的物理特性，研究人员提出从多个剪切方向恢复DIC图像的方法。 1. **实验过程** - **图像采集**：通过手动旋转载物台上的标本培养皿，捕获不同剪切方向的DIC图像。 - **图像配准**：使用迭代最近点（ICP）算法自动配准收集到的图像。 - **剪切方向估计**：利用粗到细的网格搜索算法自动估计图像数据集的剪切方向。 2. **恢复结果评估** - **定性评估**： - 对高倍放大的两个细胞的图像（700*700像素）进行处理，单独应用直接求解器处理捕获的图像时，会得到不同的恢复结果。 - 对整个图像集合进行整体恢复，能更好地揭示细胞的光程长度，且恢复结果中的噪声更少。 - 对于低倍放大采集的其他三组DIC图像及其恢复结果，与独立恢复相比，多图像联合恢复的图像更接近细胞的物理特性，计算光程长度时的歧义更少。 - **定量评估**： - 将恢复结果应用于细胞分割任务。恢复后的图像中像素值代表标本的固有属性，没有伪3D阴影效果，细胞像素相对于近似为零的背景始终为正，因此可以通过简单的阈值处理轻松分割图像，用于细胞计数、跟踪等进一步应用。 - 手动标记每个图像集合中的所有细胞边界作为真实掩码，对恢复后的DIC图像进行阈值处理得到细胞掩码，使用准确率作为评估指标进行比较： \[ACC = \frac{|TP| + |N| - |FP|}{|P| + |N|}\] 其中，细胞和背景像素分别表示为正（P）和负（N），真阳性（TP）表示人类注释器和计算机算法都正确标记的细胞像素，假阳性（FP）表示计算机算法错误分类的细胞像素。 - 对不同数量的DIC图像组合进行测试，当图像集合大小k较小时，不同恢复结果之间的歧义更多；随着更多图像加入集合，恢复准确率提高，歧义减少；当包含足够多不同剪切方向的DIC图像时，准确率曲线趋于平稳。在三组DIC图像上，实现了81% - 95%的分割准确率。 3. **方法优势** - 与基于单张DIC图像的重建方法相比，该方法具有方向不变性，不需要至少两个正交剪切方向的严格要求，可以从各种剪切方向恢复DIC图像。 - 实验证明，多剪切方向恢复可以减少不同个体恢复之间的歧义，恢复后的DIC图像与标本的物理测量值直接成比例，没有伪3D效果，非常适合显微镜图像分析，如细胞分割。 下面是DIC图像恢复的流程： ```mermaid graph LR A[采集不同剪切方向的DIC图像] --> B[使用ICP算法配准图像] B --> C[使用粗到细网格搜索算法估计剪切方向] C --> D[通过最小化正则化成本函数恢复图像] D --> E[定性评估恢复结果] D --> F[定量评估恢复结果（应用于细胞分割）] ``` #### 半监督度量学习识别核表型 在基于系统的癌症和发育等过程研究中，识别和表征组织内的单个细胞是理解细胞间相互作用产生的大规模效应的第一步。核形态是表征细胞生理和分化状态的重要表型。 1. **研究背景与挑战** - **背景**：近年来，定量成像在系统生物学研究中的作用日益重要。荧光显微镜的快速发展使得在生物微环境的3D背景下对组织切片进行成像成为可能，利用转基因动物模型中的荧光蛋白标记不同细胞类型，为研究细胞间相互作用提供了新的途径。 - **挑战**： - 细胞定量表示需要一组对应于形状、纹理和空间属性的异构特征，目前没有系统的方法来比较具有这些特征的两个细胞核。 - 实验中可收集的标记样本数量有限，原因包括每个组织切片仅表达一种细胞类型特异性荧光蛋白、转基因荧光信号质量常因背景荧光而下降、基质细胞在组织中分布稀疏等。 2. **解决方法** - **学习局部自适应距离度量**： - **全局度量模型**： - 定义图像中细胞核集合\(X = (X_l, X_u) = \{x_1, x_2, \ldots, x_l, x_{l + 1}, \ldots, x_n\}\)，其中\(X_l\)和\(X_u\)分别为标记集和未标记集，\(x_i\)是细胞核在\(M\)维特征空间中的表示。 - 对于\(X_l\)中的每个\(x_i\)，存在标签\(y_i \in \{1, \ldots, c\}\)，\(S = \{(i, j)|y