24、基于分层上下文森林的电子显微镜图像线粒体自动分割

基于分层上下文森林的电子显微镜图像线粒体自动分割

1. 引言

电子显微镜（EM）图像中线粒体的自动分割，能通过精确量化线粒体的体积、形态和分布，极大地促进对线粒体的分析。线粒体的这些特征与衰老、癌症和神经退行性疾病直接相关。高分辨率的电子显微镜是研究细胞超微结构的先进成像设备，线粒体是其中的亚细胞器。然而，由于图像尺寸巨大（以立方纳米为单位），手动分割即使借助辅助工具，也存在劳动强度大、耗时且主观的问题。而且，图像描绘过程中存在内在的模糊性，即使是专家进行精确标注也颇具挑战。

因此，自动分割方法对于处理大量的电子显微镜图像并提供更具可重复性的结果具有重要意义。但线粒体在密度、位置、大小和形状上的巨大差异，以及电子显微镜图像复杂的外观和内容，使得自动分割成为一项具有挑战性的任务。例如，图像中代表线粒体的强度与其他结构的强度有很大重叠，强梯度不一定对应目标线粒体的语义边界。所以，探索高级上下文信息对于确定线粒体的存在和准确描绘其边界至关重要。

近年来，已经有多种方法用于从电子显微镜图像中检测和分割线粒体，如：
- Macke等人引入了基于水平集的半自动方法来追踪细胞膜，利用相邻切片的分割作为先验约束，但该方法受限于简单的基于强度的特征。
- Narasimha等人探索了滤波器组和纹理元作为纹理特征编码器，并与多种流行分类器结合。
- Neila等人使用2D和3D图像滤波器在多个尺度上提取局部视觉特征，并采用条件随机场进行图像分割，但这些通用纹理特征的判别能力有限。
- Smith等人设计了新的形状特征来捕捉线粒体的不规则形状信息。
- Lucchi等人将射线特征与强度直方图特征结合在超体素上，使用图割进行分割，但该方法内存消耗大。 <