zhpsЖурнал прикладной спектроскопииZhurnal Prikladnoii Spektroskopii0514-7506B. I. Stepanov Institute of Physics of the National Academy of Scienceszhps-699Research ArticleСтатьиМОНИТОРИНГ ДИНАМИКИ ПОПУЛЯЦИЙ КЛЕТОК В ВИДЕО НА ОСНОВЕ ИНТЕГРАЛЬНОГО ОПТИЧЕСКОГО ПОТОКА И КАРТ ДВИЖЕНИЯСELL POPULATION DYNAMICS MONITORING IN VIDEO BASED ON INTEGRAL OPTICAL FLOW AND MOTION MAPSChenH.ChenH.

310015, Ханчжоу

310015, Hangzhou

eric.hf.chen@hotmail.comНедзьведьО. B.NedzvedzO. V.

220116, Минск

Minsk, 220116

olga_nedzved@tut.byYeSh.YeSh.

310015, Ханчжоу

310015, Hangzhou

НедзьведьА. M.NedzvedzA. M.

220030, Минск;220020, Минск

Minsk, 220030;Minsk, 220020

nedzveda@tut.byАбламейкоС. B.AblameykoS. V.

220030, Минск;220020, Минск

Minsk, 220030;Minsk, 220020

Университет Чжэцзян ШуренZhejiang Shuren UniversityБелорусский государственный медицинский университетBelarusian State Medical UniversityБелорусский государственный университет; Объединенный институт проблем информатики НАН БеларусиBelarusian State University; United Institute of Informatics Problems of National Academy of Sciences of Belarus202030102020875777789Copyright © Chen H., Недзьведь О.B., Ye S., Недзьведь А.M., Абламейко С.B., 20202020Chen H., Недзьведь О.B., Ye S., Недзьведь А.M., Абламейко С.B.Chen H., Nedzvedz O.V., Ye S., Nedzvedz A.M., Ablameyko S.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://zhps.ejournal.by/jour/article/view/699

Предложен метод мониторинга перемещения клеточной популяции в микроскопических видеопоследовательностях на основе интегрального оптического потока и карт движения. Посредством настройки и калибровки оптической системы и усреднения последовательных кадров получаются высококачественные изображения. Кратковременные динамические характеристики определяются оптическим потоком. На основе оптического потока вычисляется интегральный оптический поток, используемый для создания карт движения, которые применяются для анализа и описания движения клеток в любой области. Следовательно, могут быть идентифицированы различные типы движения клеток, включая направленное движение, агрегацию и дисперсию. Метод не требует обучения, его можно использовать для мониторинга и анализа ситуации или в качестве компонента комплексных систем. Эксперименты, выполненные на синтезированных и реальных микроскопических видеоизображениях, показывают его эффективность.

The method for monitoring cell population movement in microscopic video-sequences based on integral optical flow and motion maps is proposed. Through adjustment and calibration of the optical system and averaging consecutive frames, high-quality subsequent images are obtained. Short-term dynamic characteristics are determined by optical flow. Based on optical flow, integral optical flow is calculated and used to create motion maps, and these maps are used to analyze and describe motions in any region of interest. Therefore, different types of cell movements, including directional motion, aggregation and dispersion can be identified. Our method doesn’t require training, it can be used for situation monitoring and analysis, or as a component of comprehensive systems. Experiments performed on synthesized and real microscopic video images show the effectiveness of our method.

популяции клетокмониторинг динамикивидеопоследовательностьоптический потоккарта движенияcell populationdynamics monitoringvideo analysisoptical flowmotion mapReferencesK. A. Tatke, N. Desai. Proc. 4th Int. Conf. Innovations in Information, Embedded and Communication Systems, March 17—18, 2017 (2017) 1—7K. A. Tatke, N. Desai. Proc. 4th Int. Conf. Innovations in Information, Embedded and Communication Systems, March 17—18, 2017 (2017) 1—7S. Huh, S. Eom, E. Ker, L. Weiss, T. Kanade. Proc. 9th IEEE Int. Sympos. Biomedical Imaging, May 2—5, 2012 (2012) 390—393S. Huh, S. Eom, E. Ker, L. Weiss, T. Kanade. Proc. 9th IEEE Int. Sympos. Biomedical Imaging, May 2—5, 2012 (2012) 390—393C. A. O. Toro, C. G. Martín, A. G. Pedrero, A. R. Gonzalez, E. Menasalvas. Proc. 11th Int. Conf. Practical Applications of Computational Biology and Bioinformatics, June 21—23, 2017 (2017) 137—145C. A. O. Toro, C. G. Martín, A. G. Pedrero, A. R. Gonzalez, E. Menasalvas. Proc. 11th Int. Conf. Practical Applications of Computational Biology and Bioinformatics, June 21—23, 2017 (2017) 137—145M. Saha, C. Chakraborty, D. Racoceanu. Comput. Med. Imaging and Graphics, 64 (2017) 29—40M. Saha, C. Chakraborty, D. Racoceanu. Comput. Med. Imaging and Graphics, 64 (2017) 29—40A.-A. Liu, K. Li, T. Kanade. Proc. IEEE Int. Sympos. Biomed. Imaging, April 14—17, 2010 (2010) 580—583A.-A. Liu, K. Li, T. Kanade. Proc. IEEE Int. Sympos. Biomed. Imaging, April 14—17, 2010 (2010) 580—583M. Maška, O. Daněk, S. Garasa, A. Rouzaut, A. Muñoz-Barrutia. IEEE Transact. Med. Imaging, 32, N 6 (2013) 995—1006M. Maška, O. Daněk, S. Garasa, A. Rouzaut, A. Muñoz-Barrutia. IEEE Transact. Med. Imaging, 32, N 6 (2013) 995—1006R. Nathiya, G. Sivaradje. ARPN J. Engin. Appl. Sci., 10, N 6 (2015) 2691—2696R. Nathiya, G. Sivaradje. ARPN J. Engin. Appl. Sci., 10, N 6 (2015) 2691—2696Y. Mao, Z. Yin. Proc. 19th Int. Conf. Med. Image Computing and Computer-Assisted Intervention, October 17—21, 2016 (2016) 685—692Y. Mao, Z. Yin. Proc. 19th Int. Conf. Med. Image Computing and Computer-Assisted Intervention, October 17—21, 2016 (2016) 685—692W. Nie, H. Cheng, Y. Su. IEEE Transact. Big Data, 3, N 4 (2017) 458—469W. Nie, H. Cheng, Y. Su. IEEE Transact. Big Data, 3, N 4 (2017) 458—469V. Kimbahune, N. Uke. Int. J. Engin. Sci. Technol., 3, N 3 (2011) 2448—2453V. Kimbahune, N. Uke. Int. J. Engin. Sci. Technol., 3, N 3 (2011) 2448—2453A. Mosig, S. Jäger, C. Wang, S. Nath, I. Ersoy, K. Palaniappan, S. Chen. Algorithms Mo. Biol., 4 (2009); https://doi.org/10.1186/1748-7188-4-10A. Mosig, S. Jäger, C. Wang, S. Nath, I. Ersoy, K. Palaniappan, S. Chen. Algorithms Mo. Biol., 4 (2009); https://doi.org/10.1186/1748-7188-4-10B. Solmaz, B. Moore, M. Shah. IEEE Transact. Pattern Analys. Machine Intel., 34, N 10 (2012) 2064—2070B. Solmaz, B. Moore, M. Shah. IEEE Transact. Pattern Analys. Machine Intel., 34, N 10 (2012) 2064—2070B. Horn, B. Schunck. Determining Optical Flow, Artificial Intel., 17, N 1-3 (1981) 185—203B. Horn, B. Schunck. Determining Optical Flow, Artificial Intel., 17, N 1-3 (1981) 185—203M. Tao, J. Bai, P. Kohli, S. Paris. Comput. Graphics Forum, 31, N 2 (2012) 345—353M. Tao, J. Bai, P. Kohli, S. Paris. Comput. Graphics Forum, 31, N 2 (2012) 345—353H. Chen, S. Ye, О. В. Недзьведь, С. В. Абламейко. Журн. прикл. спектр., 85, № 1 (2018) 135—143 [H. Chen, S. Ye, O. Nedzvedz, S. Ablameyko. J. Appl. Spectr., 85, N 1 (2018) 126—133]H. Chen, S. Ye, О. В. Недзьведь, С. В. Абламейко. Журн. прикл. спектр., 85, № 1 (2018) 135—143 [H. Chen, S. Ye, O. Nedzvedz, S. Ablameyko. J. Appl. Spectr., 85, N 1 (2018) 126—133]H. Chen, S. Ye, O. Nedzvedz, S. Ablameyko, Z. Bai. Pattern Recognition and Image Analysis, 29, N 1 (2019) 131—143H. Chen, S. Ye, O. Nedzvedz, S. Ablameyko, Z. Bai. Pattern Recognition and Image Analysis, 29, N 1 (2019) 131—143

The authors declare that there are no conflicts of interest present.