基于荧光显微图像的神经微丝自动跟踪系统的研究

Neurofilaments are long flexible cytoplasmic protein polymers that are transported rapidly but intermittently along the axonal processes of nerve cells. Current methods for studying this movement involve manual tracking of fluorescently tagged neurofilament polymers in videos acquired by time-lapse fluorescence microscopy. Here, we describe an automated tracking method that uses particle filtering.To increase the efficiency of this approach, we take advantage of the fact that neurofilament movement is confined within the boundaries of the axon. We use piecewise cubic spline interpolation to model the path of the axon and then we use this model to limit both the orientation and location of the neurofilament in the particle tracking algorithm. Based on these two spatial constraints, we develop a real-time visual tracking approach to track neurofilaments. Base on the visual tracking,we develop the visual feedback control system to enlarge the tracking range.Therefore, this whole system can eliminate the subjectivity and protential varibility associated with human operation and track the movement of neurofilaments in the larger area.

神经微丝（Neurofilament是）是一种长而柔软的蛋白质有机物，它能在神经细胞中沿着神经轴突实现快速且随机的运动。人们希望通过对神经微丝的跟踪来分析神经微丝的运动性能，从而进一步了解神经细胞的性能。目前，研究人员只是通过对在显微镜下拍摄到的神经微丝的运动图像，人工来跟踪神经微丝的运动。这种人工跟踪的方法对于大量的图像数据不但实现起来非常费时，而且还会带来很多人为测量上的误差。本项目提出了一种新的视觉跟踪算法实现对神经微丝全自动跟踪。这种方法是根据粒子滤波算法，利用神经微丝只能在神经轴突内运动这一特征，限制了粒子滤波算法中神经微丝的位置和方向。根据位置和方向这两个约束，对神经微丝进行实时跟踪。并在实时跟踪基础上，使用视觉反馈控制系统来扩大跟踪范围。因此，本系统能通过自动跟踪不但消除人工跟踪的主观性和可能的不一致而且能实现大范围跟踪。

本项目利用适用于神经微丝跟踪的粒子滤波跟踪算法，实现大范围的神经微丝跟踪，降低人工劳动强度和人工框选神经微丝位置带来的主观误差。在项目中主要研究内容包括：①研究神经轴突路径数学模型建立；②在荧光显微镜视觉跟踪系统中，实现对单个神经微丝的自动跟踪；③在单个神经微丝自动跟踪的基础上，实现对多神经微丝的同时自动跟踪；④在运动遮挡和目标数量动态变化等复杂情况下的自动跟踪。重要结果包括：①完成神经轴突路径数学模型的建立；②完成粒子滤波算法的改良以适应于神经微丝环境下的跟踪；③采用卡尔曼滤波方法结合粒子滤波算法实现复杂情形下的目标跟踪；④结合粒子滤波和Mean-Shift算法实现多神经微丝的跟踪。科学意义包括：①降低人工劳动强度。神经微丝的自动跟踪为生物医学研究提供准确的神经微丝运动数据，避免手动跟踪劳动强度大和受人为测量误差的影响；②跟踪算法的可扩展性。由于神经微丝形态上与轴突上的其它蛋白质相似，包括微管、微丝、细胞骨架聚合物（cytoskeletal polymer）、膜细胞、和细胞内蛋白质复合物，这使得我们提出的自动跟踪的解决方案和方法不但能应用于跟踪轴突上神经微丝而且也可以扩展到轴突上的其他蛋白质运动跟踪。 这使得本跟踪系统对基于显微镜图像的细胞内其它运动物体的跟踪具有现实的指导意义；③多项技术的融合。本项目涉及到多项技术的融合，其中包括荧光显微镜下的视觉跟踪技术，适用于复杂运动的小微细胞跟踪等。所以本项研究具有现实的理论研究价值。