本发明涉及细胞分裂识别，具体涉及一种基于细胞分裂谱系关系的细胞分裂状态检测方法。
背景技术：
1、细胞分裂（cell division）对于生物体的生长、发育和增殖至关重要。细胞分裂是活细胞增殖其数目，由一个细胞分裂为多个细胞的过程。分裂前的细胞称为母细胞，分裂后形成的新细胞称为子细胞。由于细胞环境或是外部因素的影响，可能导致细胞产生异常分裂或逆分裂。其中，异常分裂的特点为一个细胞分裂时形成多个子细胞，逆分裂的特点为两个细胞合并为同一个子细胞，这两种特殊的分裂情况可能导致基因组不稳定性和细胞功能紊乱。通过分析细胞分裂状态，有助于预测和揭示生物体发育的基本机制和疾病的病理机制。时差培养箱可为细胞提供稳定的体外培养环境，同时能够周期性不断获取细胞分裂的全过程图像。结合培养箱中由电子显微镜周期性记录的细胞分裂过程影像、时间等数据，研究者可以判别细胞分裂是否正常。然而，这往往需要高昂的人工成本，且高度依赖专家的经验。随着深度学习的发展，采用计算机视觉模型能够有效捕捉图像特征，从而帮助研究者更快速更准确的判断细胞分裂状态。目前利用机器学习对细胞分裂状态进行分类还存在以下问题：
2、（1）细胞分裂是一个动态的过程，当前图像的某一个细胞可能由前一时间的另一个细胞分裂得到，其中蕴含着很强的时序关联信息。判断一个细胞的分裂需要综合考虑其前后时间的细胞状态，如果没有关联不同时序的细胞信息可能会导致分裂状态的判定准确率降低。
3、（2）正常的细胞分裂过程决定了细胞之间的亲属关系：一个母细胞分裂产生的两个或多个子细胞的关系可以看作是母子关系，同一个母细胞分裂产生的子细胞之间的关系可以看作是兄弟关系。但是，不正常的细胞分裂不符合上述亲属关系。如何准确跟踪分裂过程中细胞之间的亲属关系，构建出完整的细胞谱系图，对于发现分裂过程的异常状态具有重要意义。
技术实现思路
1、为解决上述技术问题，本发明提供了一种基于细胞分裂谱系关系的细胞分裂检测方法，包括以下步骤：
2、步骤s1：按照设定时间步长，拍摄时差培养箱内的细胞图像；
3、步骤s2：对每个时间步长内的细胞图像进行目标检测，并提取每个细胞的特征；
4、步骤s3：遍历连续两个时间步长内所有的细胞对，将每个细胞对中两个细胞的特征拼接成向量后，输入多层感知机中，得到细胞对中两个细胞为同一个细胞的概率和一个细胞为另一个细胞分裂生成的概率；
5、步骤s4：重复步骤s3至所有时间步长内的细胞图像均检测完成，并按照获得的概率判断分裂状态，构建细胞分裂树。
6、优选地，步骤s1中获得的细胞图像，通过图像边缘检测、图像裁剪和图像标准化进行预处理。
7、优选地，步骤s2中对每个时间步长内的细胞图像进行目标检测的方法包括：
8、步骤s21：提取细胞图像的特征图；
9、步骤s22：将所述特征图划分为的网格后输入目标检测网络，输出每个网格包含目标的置信度得分；
10、步骤s23：基于所述置信度得分，得到目标边界框，并将所述目标边界框的坐标转化为相对于所述特征图的坐标。
11、优选地，步骤s213中进行坐标转化的表达式为：
12、；
13、；
14、；
15、；
16、式中，和表示目标边界框的中心点坐标，和表示宽度和高度信息，、、和分别表示预测的边界框相对于网格单元在x轴坐标、y轴坐标、宽度和高度上的偏移量，和为网格单元的左上角点坐标，和为网格单元的长和宽，为激活函数。
17、优选地，通过步骤s23获取目标边界框后，通过非极大抑制去除重复的检测：首先根据每个网格的所述置信度得分过滤掉低置信度的边界框，然后对剩余的边界框进行非极大抑制，保留置信度最高的边界框；对于两个边界框a和b，如果它们的iou超过设定的阈值，则去掉置信度较低的那个边界框，最后输出目标边界框。
18、优选地，所述目标检测网络在训练时的损失函数为focaler-iou乘以-1，其中focaler-iou的表达式为：
19、；
20、式中，表示设定的下限阈值，表示设定的上限阈值，iou表示交并比。
21、优选地，步骤s2中提取每个细胞特征的表达式为：
22、；
23、式中，m和n分别表示细胞占据的网格的行数和列数；表示细胞占据网格中第i行第j个网格的网格特征；为细胞的位置向量，即细胞检测框的中心点与左上角点坐标；表示第i行第j列上细胞目标框占据的像素面积；和为网格单元的宽度和长度；表示拼接操作。
24、优选地，步骤s3中所述多层感知机的训练过程包括：采集t时刻细胞x和t+1时刻细胞y为同一个细胞的真实值概率为，细胞y由细胞x分裂生成的真实概率为；若x和y为同一个细胞，则，；若y由x分裂得到，则，；若x和y无关系，则，，通过损失函数进行约束训练：
25、；
26、式中，表示网络预测的两个细胞为同一个细胞的概率，表示网络预测的细胞y由细胞x分裂生成的概率。
27、优选地，步骤s5中构建细胞分裂树的表达式为：
28、
29、表示在t时刻的细胞x和在t+1时刻的细胞y的关系，表示两个细胞为同一个细胞的概率，表示细胞y为细胞x分裂生成的概率，表示设定的阈值。
30、优选地，步骤s5中采用树结构来构建细胞分裂树，每个节点存储细胞的id值以及第一次出现时对应图像的拍摄时间t；将第一张细胞图像中的细胞作为根节点；当细胞之间存在分裂关系时，为新细胞添加新的节点并赋予新的id值。
31、本发明的有益效果至少包括：本发明提出了一种新方法识别连续时间图像中细胞之间的亲属关系，并通过这一关系来推断该时间细胞的分裂状态是正常、异常分裂还是逆分裂中的哪一种；基于上述亲属关系，本发明提出了一种构建细胞分裂过程谱系关系树的方法，基于此，能够有效判断后一时间的细胞在前一时间的位置，同时能够判断后一时间分裂产生的新细胞在前一时间的祖先细胞，从而有效还原出完整的细胞增殖过程。
1.一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：步骤s1中获得的细胞图像，通过图像边缘检测、图像裁剪和图像标准化进行预处理。
3.根据权利要求1所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：步骤s2中对每个时间步长内的细胞图像进行目标检测的方法包括：
4.根据权利要求3所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：步骤s213中进行坐标转化的表达式为：
5.根据权利要求3所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：通过步骤s213获取目标边界框后，通过非极大抑制去除重复的检测：首先根据每个网格的所述置信度得分过滤掉低置信度的边界框，然后对剩余的边界框进行非极大抑制，保留置信度最高的边界框；对于两个边界框a和b，如果它们的iou超过设定的阈值，则去掉置信度较低的那个边界框，最后输出目标边界框。
6.根据权利要求3所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：所述目标检测网络在训练时的损失函数为focaler-iou乘以-1，其中focaler-iou的表达式为：
7.根据权利要求3所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：步骤s2中提取每个细胞特征的表达式为：
8.根据权利要求1所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：步骤s3中所述多层感知机的训练过程包括：采集t时刻细胞x和t+1时刻细胞y为同一个细胞的真实值概率为，细胞y由细胞x分裂生成的真实概率为；若x和y为同一个细胞，则，；若y由x分裂得到，则，；若x和y无关系，则，，通过损失函数进行约束训练：
9.根据权利要求1所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：步骤s5中构建细胞分裂树的表达式为：
10.根据权利要求1所述的一种基于细胞分裂谱系关系的细胞分裂检测方法，其特征在于：步骤s5中采用树结构来构建细胞分裂树，每个节点存储细胞的id值以及第一次出现时对应图像的拍摄时间t；将第一张细胞图像中的细胞作为根节点；当细胞之间存在分裂关系时，为新细胞添加新的节点并赋予新的id值。
