ردیابی اهداف چندگانه در تصاویر سلولی با استفاده از فیلتر ذره ای rao-blackwellized

در این پایان نامه به ارائه روشی برای ردیابی همزمان چند هدف در تصاویر سلولی با استفاده از فیلتر ذره ای(rbpf)rao-blackwellized پرداخته ایم.تشخیص خط سیر سلول ها یکی از اصلی-ترین اقداماتی است که در میکروسکوپی گاه-گذشت کامپیوتری شده انجام می شود و ردیابی چند هدف به طور همزمان از چالش های اصلی در این زمینه می باشد. از طرف دیگر به علت ماهیت بعضی از اهداف سلولی، نیاز به ناحیه بندی اهداف قبل از ردیابی داریم. برای حل مشکلات مطرح-شده در بالا ما دو الگوریتم ردیابی بر پایه فیلتر ذره ای rbpfارائه کردیم. در یکی از الگوریتم ها مسئله ناحیه- بندی سلول را به عنوان یک مسئله حل شده در نظر گرفتیم، اما الگوریتم را طوری طراحی کرده ایم که قادر به ردیابی و تناظر داده تعداد نامعلومی از اهداف باشد. برای تناظر داده نیز از تناظر داده مونت کارلو به خاطر راحتی استفاده و قابلیت ترکیب شوندگی آن با فیلتر rbpfاستفاده کردیم. الگوریتم دوم پیشنهادی بر پایه استفاده از ضریب همبستگی و الگوهای تطبیقی با قابلیت بروزرسانی و پیش بینی مسیر اهداف با استفاده از فیلتر rbpf بود. در الگوریتم دوم تعداد اهداف ثابت در نظر گرفته شدو مشکل تناظر داده در این الگوریتم ظاهر نشد. علاوه بر این در الگوریتم دوم برای حل مسئله ناحیه بندی از یک الگوریتم نرم کننده بر پایه الگوریتم نرم-کننده سورتمه ای نیزاستفاده شد. علت استفاده از فیلتر rbpf در این پایان نامه این بود که این فیلتر در ساختار خود هم از خواص مفید فیلترهای کالمن و هم از خواص مفید فیلترهای ذره ای بهره می گیرد. برای آزمایش الگوریتم های ذکرشده در بالا از دو داده آزمایشی استفاده کردیم. داده مربوط به الگوریتم اول شامل 281 فریم از تصاویر مربوط به حرکت تعداد زیادی از باکتری های شبیه به باکتری معروف e.coli تشکیل شده بود. داده مربوط به الگوریتم دوم شامل 656 فریم از تصاویر مربوط به چندین سلول کلیوی میمون با ظاهر غیریکپارچه و متغیر با زمان بود که در آن مشکلات مربوط به ناحیه بندی سلول قبل از ردیابی نیز ظاهر می شوند.برای داده مربوط به الگوریتم اول در مجموع 281 فریم آزمایشی 38 باکتری وجود داشت که الگوریتم ما در مورد 5 باکتری دچار اشتباه در تناظر داده شد. همچنین در این ردیابی، 2240بار تناظر داده انجام شد که از میان آن ها تنها 24 مورد، مربوط به تناظر داده نادرست بود. برای داده مربوط به الگوریتم دوم نیز الگوریتم ما به خوبی اهداف را ردیابی کرد و الگوهای تطبیقی مربوط به هر هدف با موفقیت بروزرسانی شدند. نحوه ردیابی الگوریتم دوم ما با الگوریتم های متداول استفاده شده در تحقیقات پیشین در این زمینه مقایسه شد که نتیجه مقایسه نشان از برتری الگوریتم ما نسبت به سایر روش های موجود بود.