用于秀丽隐杆线虫运动分析的多环境模型估计
计算机视觉与模式识别
2015-05-19 v1
摘要
线虫秀丽隐杆线虫是一种著名的模式生物，用于研究生物学中的基本问题。这种小型蛔虫的运动分析旨在研究基因与行为之间的关系。通常，运动分析用于对线虫的运动进行分类并进行定量表征。过去几年中，秀丽隐杆线虫的运动已在多种环境中得到研究，包括在基质上爬行、在液体中游动以及在微流体基质中移动。然而，每种环境通常需要依赖启发式参数调整的定制图像处理工具。在本研究中，我们提出了一种新颖的多环境模型估计（MEME）框架，用于自动图像分割，该框架适用于各种环境。MEME平台基于高斯混合（MOG）模型的概念构建，其中背景环境和线虫外观的统计模型被显式学习，并用于准确分割目标线虫。我们的方法旨在简化通常施加给用户的负担；这里，只需提供一张包含环境中线虫的单个图像用于模型学习。此外，我们的平台能够提取线虫的“骨架”以进行直接的运动量化。我们在各种运动环境中测试了我们的算法，并与基于强度阈值的方法进行了性能比较。总体而言，在绝大多数检查案例中，MEME优于基于阈值的方法。最终，MEME为研究人员提供了一个有吸引力的平台，用于在广泛的运动分析中对秀丽隐杆线虫进行分割和“骨架化”。
引用
@article{arxiv.1007.1398,
title = {Multi-environment model estimation for motility analysis of Caenorhabditis Elegans},
author = {Raphael Sznitman and Manaswi Gupta and Gregory D. Hager and Paulo E. Arratia and Josue Sznitman},
journal= {arXiv preprint arXiv:1007.1398},
year = {2015}
}
备注
21 pages, 8 figures, accepted in: PLoS ONE (2010)