基于显微操作探讨如可检测及识别斑马鱼幼鱼心脏（动物学论文） ㊣ 精品文档 值得下载

觉条件下，难以对精确角度进行测量为单位向量，当将数据投影到后，的方差为则目标为所求方向向量使最大由于为矩阵，且，则为瑞利熵由其性质可知，当瑞利熵取最大值时，为最大特征值对应的特征向量因此根据每个样本协方差矩阵的特征向量能够获得每条斑马鱼幼鱼维姿态鱼尾部，因此将所求高斯模型的协方差求取其最大特征值所对应的特征向量作为幼鱼方向，例如图中，所得各个幼鱼的方向如图所示定义所得到的高斯模型的均值点与尾部能大对于如图所示的幼鱼，其经高斯混合模型后所得参数所绘制的曲面图如图所示图显示了根据获得的均值确定的每幼鱼的位臵由于幼鱼双眼和鱼鳔处颜色较深，因此能定位到该位臵即能成功找到幼鱼在稳定的光线条件下，双眼和鱼鳔处与背景对比度高，因此该方法能够准确实现幼鱼的分割及定位图斑马鱼幼鱼分割定位幼鱼维姿态检测与控制对于麻醉后的斑马鱼幼鱼，其在水中的自然姿态大部分为侧躺姿态，因此心脏能够进入显微镜视野，但是也有部分幼鱼姿态会出现鱼肚朝基于显微操作探讨如可检测及识别斑马鱼幼鱼心脏动物学论文化方法，可以将其从背景中分割出来，如图所示为了能确定每个像素点所属的斑马鱼幼鱼以及获得斑马鱼幼鱼的位臵，将经值化后的像素点看作∈的数据集，使用高斯混合模型分类对于含有类的高斯混合模型，对每类的参数采用算法进行迭代计算式中为的生成概率分别为第次迭代后的权重均值和协方差矩阵经计算获得每类的模型参数，即可计算每个像素点属于每个类别的概率，并将各个像素点划分到最大概率的类别中因为不知逐对幼鱼进行高倍率显微观察，得到幼鱼心脏图像，并通过像素强度跟踪算法，获取并监测幼鱼心率该方法能实现高通量的斑马鱼幼鱼心脏进行准确识别和在线检测，能够帮助生物实验人员快速获得实验数据，提高研究效率和水平图斑马鱼幼鱼形态示例系统设计本文基于图展示的斑马鱼幼鱼显微操作系统该系统以电动体式显微镜为基础，顶部相机最大帧率为帧由度机械臂的机械平台，机械臂末端连接带有旋转功能的玻璃吸持针用于幼鱼姿态控制该图的相似性的有脊椎模式动物，其幼鱼具有透明表皮，能够直接观察内脏器官的发育以及血液循环系统的运行情况如图所示，是生物医学领域的重要实验对象年，伯尔尼大学揭示了斑马鱼幼鱼心脏组织自我再生能力的机理，引发了国际上对斑马鱼幼鱼心血管系统的广泛研究对幼鱼心脏的识别与监测对于理解其发育机理药物影响组织再生等过程至关重要但是，由于斑马鱼幼鱼体长仅有左右，其内部器官细小各异性色素血管等的干扰，以往的人工观察手段在准确性和效率上都有很大不足如摘要斑马鱼作为种典型的有脊椎模式动物，因其幼鱼具有与人类基因相似度高身体透明方便观察等特点在生物医学领域被广泛研究其中识别和监测斑马鱼幼鱼心脏对研究心血管疾病的发病机理药物影响等至关重要为解决常规显微操作技术对各向异性的斑马鱼幼鱼在操作和观测上的困难，提出了种基于显微视觉技术的高通量斑马鱼幼鱼心脏识别和监测方法首先通过混合高斯模型确定多斑马鱼幼鱼个体的位臵和维平面的姿态，在将其中条斑马鱼幼鱼移动到视野中心后，基于卷积神经网络对各得到条幼鱼的心率曲线，如图所示，可以看出每条幼鱼自身的心率变化都围绕着次变化，与文献中的研究结果相吻合图不同幼鱼在段时间内的心脏监测结论本文基于高斯混合模型确定多条斑马鱼幼鱼的维姿态和在视野中的位臵，基于卷积神经网络确定幼鱼翻滚角，以此实现了幼鱼的位姿检测和调整控制根据斑马鱼幼鱼心脏的特点，提出了种基于像素强度跟踪的周期性运动目标识别方法，能够定位心脏区域，并实现心跳曲线的高效监测本文基于显微视觉实现了高通量的斑马鱼幼鱼为了抑制噪声，首先对原始图像中的心脏区域进行高斯滤波但是常规的相邻帧差分方法以及相对固定帧差分均无法较好地反映检测心脏的运动变化，因此本文将上步中得到的区域灰度化并取每个像素在超过个心跳周期的时间中取到的最大值，以此作为差分法的参考图像得到的心脏区域内个心跳周期内的强度变化如图所示图个心跳周期内心脏区域像素强度变化从图中可以观察到，心脏区域内强度变化的重心位臵随着血液在心室心房中的流动而变化，因此可通过跟踪像素强度变化的重心并且在相同成像条件下相同品系和年龄的幼鱼成像效果是近似的，因此可以将包含幼鱼的图像转化到空间，再提取图像中明度较高的红色区域，根据实验测试，本文取且作为阈值由于斑马鱼的血细胞几乎分布在身体的各个区域，因此需要对高明度红色区域进行开运算，取其中面积最大区域作为心脏位臵，并建立矩形心脏观测区域作为下步的心跳监测区域，建立过程如图所示图心脏区域的提取由于心脏定位的算法根据心脏颜色特征进行识别为步长，采集张样本图，将这些图放入训练好的模型进行样本图片的预测，记录其最佳角度的概率值，做为该张图片处在最适合注射的空间位臵，控制机械臂反向旋转，使幼鱼旋转到上述所对应的空间角度，即为目标滚转角本文采用峰值旁瓣比指标对预测斑马鱼最佳观测姿态的卷积神经网络进行评估对于预测斑马鱼最佳姿态，输出值的波峰出现在幼鱼心脏处于右侧时随着幼鱼滚转，输出值逐渐减小假设选择波峰窗口为，则的计算方法为幼鱼滚转周的波峰除去幼基于显微操作探讨如可检测及识别斑马鱼幼鱼心脏动物学论文脏识别和监测方法，该方法无需植入电极或注射荧光物质，能够保证幼鱼在最小损伤及改造的条件下监测幼鱼状态为有脊椎动物的遗传发育组织重生的研究提供了种新颖的高通量手段，同时也为提高心脏类药物的研发和测试效率提供参考参考文献周志华机器学习北京清华大学出版社，佟明斯，黄港，雷冬旭，张格非，庄松霖，高会军显微操作中斑马鱼幼鱼心脏识别与监测方法哈尔滨工业大学学报，基金国家自然科学基金基于显微操作探讨如可检测及识别斑马鱼幼鱼心脏动物学论文，其中为第帧图像计算得到的值，分别为超过个心跳周期时间中所取到的最大值与最小值，则判断第帧的时刻发生了次心跳图为采用上述像素强度跟踪方法对条不同幼鱼进行的心跳监测结果图中曲线由心脏的重心随时间而发生的位移构成通过人工逐帧对幼鱼心脏血液变化进行判断，并与算法结果进行比较，两者差距般在内，能够反映心脏的跳动规律，其波动曲线能够帮助对幼鱼生理状态进行研究图中红色星号为心率周期标记，可以定最佳的网络结构经过测试，网络中采用的卷积核时能够取得比较理想的训练效果为了尽可能降低运算复杂程度，同时避免优化过程中的梯度爆炸与梯度消失问题，激活函数选取函数在优化方法的选择上，方法收敛速度相对较快，能够缩短训练时间由于所选取的网络层数较深，为降低过拟合风险，网络内部加入了和池化层最终的预测数据通过全连接层输出，得到的结果即为幼鱼正放的概率首先需将输入图片尺寸压缩为，整个网络包含输入层层卷积层层池位臵实现对心跳的监测，其计算方式如下式中为重心位臵，为重心坐标，∈，为内的零阶矩，∈，与，∈，分别为内的阶矩，为，处的强度变化为了将重心在维图像上的变化转化为单指标来描述心跳，将重心位臵坐标，向其方差最大的方向，投影，即的位臵变化可以用来检测心跳的发生若条件满足−且定位，因此该方法较容易受身体部位色素覆盖了心脏的颜色特征的影响，使得所定位面积比心脏真实区域小对此本文是根据所求得的心脏区域的重心作为个矩形中心，在矩形中进步进行心率识别虽然该方法会引入部分噪声，但对后续影响较小斑马鱼幼鱼心率监测在定位到心脏区域后，通过如下的像素强度跟踪算法来实现心率的检测其以图像差分为基本方法但是由于水流等因素的影响，幼鱼整体可能存在缓慢的漂移，这会导致在差分图像中始终存在噪声，为接下来的心跳检测带来了不确定鱼心脏恰好处于右侧后的波峰当所得越大时，代表算法越稳定本文对多条幼鱼翻滚滚转周进行试验，并由此计算，其大小为，因此该算法稳定斑马鱼心率监测幼鱼心脏定位在对幼鱼姿态进行调整后，切换显微镜放大倍率，将相机的图像采样频率设定为帧，对单个幼鱼心脏进行观察由于存在环境噪声以及幼鱼新陈代谢活动对心脏监测算法的干扰和影响，需要首先对幼鱼的心脏进行识别和定位斑马鱼幼鱼血细胞会集中在心脏位臵且在显微镜下呈红色化层和层全连接层，结构如图所示训练集由条处于内不同年龄段的幼鱼组成每条幼鱼以为步长旋转，当幼鱼处于人工判别为可观测心脏的角度范围内时，对应标签记为，其余状态记为，当精度达到时认为算法收敛，训练停止按照相同的方法，将另外条幼鱼的数据作为测试集输入网络训练过程在迭代次后结束，测试结果准确度约为图滚转角检测的卷积神经网络结构在对目标幼鱼进行滚转调整时，首先使用旋转机械臂吸住幼鱼尾部旋转周，并以基于显微操作探讨如可检测及识别斑马鱼幼鱼心脏动物学论文，因此选用第种标注方法相比之下这种方法具有以下优点由于在标注过程中姿态判断是基于人工主观标记，因此标签集中对于角度限制较为宽松，对于姿态调整降低了要求，同时简化了标签集的制作工作卷积神经网络在解决分类问题时能够对人工判断经验进行学习，使分类结果得更为稳定，因此使用判断角度范围会增加系统的鲁棒性能使用该方法的不同姿态所对应的标签如图所示图不同斑马鱼幼鱼的姿态及对应标签网络搭建从浅层卷积神经网络开始，逐渐增加网络层数，通过实验结果来端点的连线代表尾部的朝向，其与协方差求得的方向之差代表旋转的误差经实验测试，该方法所得误差分布在之间，不影响对斑马鱼尾部的吸持获取维姿态后由上位机旋转托盘，转到尾部朝向旋转机械臂的位臵，定位针尖位臵并移动旋转机械臂，吸住斑马鱼幼鱼尾部，将幼鱼调整维位臵至视野中心，进行滚转角调整幼鱼滚转角的检测控制在吸住尾部后，需要对幼鱼的滚转角进行调整，以使心脏处于最佳观测位臵本文搭建了卷积神经网络对幼