TIRF显微镜序列图像中囊泡融合点的自动识别.doc.doc

文献翻译 TIRF显微镜序列图像中囊泡融合点的自动识别 摘要 本文提出了一种新的计算机视觉系统，它能自动识别全内反射荧光（TIRF）显微镜中获得的序列图像中的囊泡与细胞膜的融合点。这样的融合点的识别是为了更好地了解细胞的胞吐过程的重要性。手动分析数以千计的图像是极为缓慢的，即使是专家，主观事件也很难辨认。本文所提出的方法是将图像序列的三维堆叠和提取的连通区域来代表候选点。每个候选点是由一组新的域生成的特定的描述符。真正的融合点和融合候选点之间的相似度计算在PCA（主元件分析）特征空间里。系统的性在大数据的TIRF录像以及人工模拟的数据中进行评价。研究结果表明，所提出的算法能够检测到序列图像中大多数的融合点，并且有保持较低的假阳性率的能力并且只有较低的假阳性概率。据我们所知，本文是是首次对大数据的TIRF序列图像中囊泡自动识别处理分析的研究。 1.简介及相关工作 细胞脂膜的物质交换对正常的细胞功能是至关重要的。释放物质至细胞膜表明或细胞外空间的过程称为胞吐。生化和遗传研究已经确定了一些在胞吐过程中发挥重要作用的蛋白复合物。虽然我们对胞吐的生化及生理等方面有了比较深入的了解，但是对于胞吐的物理特性，如蛋白分子如何调控囊泡的运动，囊泡与细胞膜的锚定及融合等过程还是知之甚少。[1]。 为了解决这个问题，全内反射荧光显微镜（TIRF）经常被用来观察囊泡运输中生理和生化等步骤的时空关系。TIRF显微镜的好处是能在细胞表面观察到一个非常浅的样品区域，约100纳米。这项技术允许成像以及相对较低的背景,被用于观察现物质进出细胞膜的各种生理现象。TIRF显微镜揭示了微小囊泡在细胞膜附近的运动方式。它在细胞和分子生物学领域(例如 Oheim and Stühme [2])越来越受欢迎，并打开了一个新的和具有挑战性的计算机视觉应用领域。 在本文中，我们致力于对囊泡融合点的自动检测。作为融合点，它可以在小于100毫秒时间内发生，图像采集的帧速率必须足够高。细胞成像速率一般为每秒5-20帧，这意味着即使对实验的观察只持续几分钟也要处理大量的数据。典型的TIRF序列图像包括几千帧，从中可以看到数以百计的囊泡。因此，手动量化囊泡的行为是非常困难耗时，而且不太容易实现的。即使是专家来寻找囊泡融合点也是困难的，因为囊泡融合点可能是微妙和难以发现的。这就解释了为什么一个自动化系统开发出可靠的和可重复的结果是多么的重要。 现有的大多数方法中，对于TIRF数据的处理分析都并不完全自动化的。例如，Huang等人，Bai等人，[3, 4]报道了一个半自动系统，加快了囊泡融合的识别过程。Tran等人[5]还开发了定量技术,揭示了在细胞中存在一些短暂刺激就能与细胞膜融合的囊泡。他们的系统依赖于在囊泡融合时融合点的强度的增加。Mele等人[6]提出了一个完全自动化的系统融合点的检测方法是基于刚性模板和目标跟踪的技术。在这项研究中,我们针对人工模拟数据和实际实验数据都做了详实的研究，充分显示了我们的方法的优缺点。结果表明,我们的方法比Mele等人[6]提出的方法更稳定、更精确，对于囊泡大小及融合时间点的考虑更为充分。该方法是通过一个简单的用户界面使系统能够自动检测拥有几千图像的融合图像的事件数据，这在计算机视觉系统中被称为TIRF Explorer的实现。这是据我们所知首次对大数据的TIRF序列图像中囊泡自动识别处理分析的研究。。 方法概述 囊泡融合点就像一个小型的爆破点。它的特点是强度快速增加，紧接着强度降低,在囊泡融合的区域出现荧光亮点且融合区域的面积可变性较大。一个非常明显的融合点的例子如图1所示。要确认存在的一个融合点需要对一组序列图像进行分析处理。将时间和空间信息连接,一个TIRF电影可理解被表示为由一个三维图像在时间轴上的聚集。其中，在三维结构中的第三个维度是时间。 选定区域内的三维结构代表一组候选融合点。每个候选点由一组标准(如体积、平均荧光强度)和特殊的描述符来描述，这被专门设计来捕获识别囊泡融合点的的属性。融合点之间的相似度被用来分选可能的囊泡融合点所在的区域。 图1.连续的序列图像显示一个非常典型的囊泡融合点。你可以注意到，荧光强度迅速增加，然后有一个较慢的扩散的过程。 2.1.感兴趣的区域和区域检测器 感兴趣的区域选择使用一个简单且非常有效的程序，而不是广泛的搜索所有的三维图像空间。通过减少搜索原来的1%左右的空间，在很大程度上减少了计算时间。由于增加和减少的荧光强度在一个囊泡融合点内发生，因此在像素变化大的区域发生囊泡融合的概率比较大。 在一个序列中的每个成员被构造为两个连续的图像之间的绝对差，这些图像序列的差异可以发现感兴趣的区域。以下所有操作均在时间是第三维度的三维空间中进行。意味着平滑被用来强调更大、更可变的三