9、微生物运动模式分析与视频3D重建技术探索

微生物运动模式分析与视频3D重建技术探索

在科学研究中，对于微观世界微生物运动模式的分析以及对日常随意拍摄视频进行3D重建并实现交互导航，是两个极具挑战性和重要性的研究方向。下面将详细介绍相关的研究内容和成果。

微生物运动模式分类研究

在对微生物运动模式的研究中，采用了一种全自动方法来分析4D数字同轴全息显微镜下移动微生物的视频。这个方法主要包括三个关键步骤：微生物检测、轨迹跟踪和运动模式分类。
- 微生物检测 ：基于简单的斑点检测器，该检测器能够轻松适应各种微生物的形状，为后续的分析提供基础。
- 轨迹跟踪 ：对标准匈牙利图匹配算法进行了改进，形成了新的多级匈牙利算法。这个改进后的算法具有诸多优势，它可以从缺失的数据中恢复，排除异常值，并且能够结合几何信息来处理粒子的进入和离开情况。通过与真实数据的对比，该方法能够检测到75% - 90%的标记粒子，证明了其有效性。
- 运动模式分类 ：采用了一种简单而有效的分层设计，结合了多个经过训练的隐马尔可夫模型（每个模式对应一个模型）。这种设计在识别单个轨迹内的不同模式方面取得了成功。在对四个完整序列的实验中，总分类率在83.5% - 100%之间。

在对其他序列进行分类时，研究人员使用了包含不同数量轨迹的四个序列作为测试数据，得到了不同的分类率，分别为100%、85%、89.8%和100%。其中，对于第三个序列，60%的错误分类只是部分错误，即模型能够检测到存在多种模式，但仅对其中一种模式进行了错误分类。常见的错误分类情况有两种：
- 摆动（Wobbling）误分类