显微图像栈中蜂窝状三维细胞群的追踪及谱系构建研究

Developing algorithms for plant cell population tracking and lineage construction is very critical to the modeling of cell growth pattern and gene expression dynamics. Tracking methods for animal cells and other regular objects are difficult to adapt to track the plant cells in microscopic image stacks, for several reasons as below: ① the plant cells are densely packed in a specific honeycomb structure; ② cells are dividing along time; ③ cells are imaged in different layers of 3D image stacks. Based on a previously proposed local graph matching algorithm, this project presents to build a 3D plant cell matching model using a 3D conditional random field method, which exploits the cells’ neighborhood structure and spatiotemporal context. Furthermore, the Interacting Multi Model filter is combined with the 3D conditional random field based matching model to track the plant cell population simultaneously, thus the cell tracking stability is greatly enhanced, because the proposed tracking algorithm does not require the identification of “tracking seeds”. Last, the optimized cell lineages are achieved by associating the 4D cell tracklets, using the combination of their motion feature and neighborhood structure characteristics. In this project, we seek breakthroughs in key methods for plant cell population tracking and lineage construction, which will further promote the development of the growth model for plant cell.

关于细胞追踪及其谱系构建方法的深入研究，对建立细胞生长发育模型并探索其基因的结构和功能至关重要。显微图像栈序列中植物细胞群的追踪不同于动物细胞以及普通物体的追踪，其主要难点在于：①植物细胞群高度密集，并呈蜂窝状排布；②细胞不断增生分裂；③植物细胞具有三维立体结构，成像分布在图像栈的不同层上。针对以上难点,本项目在前期开发的二维局部图匹配模型的基础上，通过融合细胞在时间和三维邻域空间上的上下文信息，建立基于三维条件随机场的植物细胞匹配模型。在此基础上，采用交互式多模型运动滤波器预测细胞的位置，并结合基于条件随机场模型的匹配方法在预测位置的邻域搜索目标细胞，实现植物细胞群并行追踪。最后，基于细胞轨迹的运动特征和邻域结构特征，重新连接四维空间上的细胞轨迹片段，实现植物细胞的三维谱系构建。通过该项目的研究，力求实现植物细胞群追踪及其谱系构建的关键方法和技术的突破，为细胞生长模型的建立奠定坚实基础。

基于光学显微成像技术研究活体内的细胞运动模型以及细胞生长规律，对于生命科学基础研究具有重大意义。其中，对显微图像数据中细胞群的追踪及细胞谱系构建算法的研究是最关键的步骤之一。本项目围绕三维显微图像栈序列中植物细胞群的追踪和谱系构建问题，研究并开发了一套三维生物医学图像栈的特征提取方法、复杂结构中多目标追踪及其轨迹片断关联算法，设计了从共焦激光扫描显微镜获取生物图像栈序列中自动分割细胞、追踪细胞及其分裂的计算平台，能够帮助实现关于细胞指标参数的量化分析，例如细胞扩张的速率和模式、细胞分裂的方位和速率等。同时，有了这些定量信息的提取，能帮助植物学家建立植物细胞生长的模型来诠释细胞动态形变、细胞生长和细胞分裂模式之间的关系。有望在三维生物医学图像栈的特征提取方法、复杂结构中多目标追踪及其轨迹片断关联研究等方面实现突破和创新。此外，项目的研究成果将丰富三维生物医学图像数据的处理和分析算法，同时将为人群以及车辆等其他密集紧挨群体的追踪研究提供极其有力的理论基础和技术借鉴。本项目成功探索了显微图像栈中蜂窝状三维细胞群的追踪及谱系构建问题，基于该项目的研究成果，以第一作者和通讯作者发表高水平期刊论文共计24篇，国际会议论文12篇，授权发明专利2项，申请发明专利3项。得益于该基金的支持课题组已经顺利培养1名博士生和8名硕士生毕业；另该基金项目支持了1名硕士三年级学生在读。项目研究的部分成果已经被国内外著名大学和研究机构采用。