2D-GE圖像弱蛋白點(diǎn)和重疊蛋白點(diǎn)檢測(cè)方法研究.pdf

1、差異蛋白質(zhì)點(diǎn)提取是2D-GE圖像分析的核心內(nèi)容,蛋白質(zhì)點(diǎn)檢測(cè)是差異蛋白質(zhì)點(diǎn)提取的關(guān)鍵步驟,能夠?yàn)榧膊≡\斷、藥物研制和環(huán)境污染分析提供依據(jù)。目前,如何正確識(shí)別凝膠圖像上的弱點(diǎn)和重疊點(diǎn)是2D-GE圖像分析領(lǐng)域中的熱點(diǎn)和難點(diǎn)。本課題在國(guó)家自然科學(xué)基金、江西省自然科學(xué)基金和江西省研究生創(chuàng)新基金的聯(lián)合資助下,針對(duì)凝膠圖像中的弱點(diǎn)和重疊點(diǎn)檢測(cè)進(jìn)行了深入的研究,主要工作內(nèi)容和研究成果如下:
　　(1)研究了2D-GE圖像預(yù)處理方法。為了消除凝膠

2、圖像噪聲的干擾,對(duì)比研究了 NLM去噪方法和傳統(tǒng)空間、形態(tài)學(xué)、小波等其他去噪方法,并通過(guò)去噪實(shí)驗(yàn)驗(yàn)證了 NLM方法具有較好的去噪效果。為了消除凝膠圖像背景不均的影響,采用高帽變換法校正圖像背景,通過(guò)對(duì)光照不均和條紋干擾圖像的背景校正實(shí)驗(yàn),驗(yàn)證了該方法的有效性。
　　(2)研究了基于圖像增強(qiáng)的分水嶺蛋白質(zhì)點(diǎn)初檢測(cè)算法。首先,為了有效檢測(cè)出凝膠圖像上的弱點(diǎn),采用高帽變換和 CLAHE增強(qiáng)算法對(duì)凝膠圖像進(jìn)行增強(qiáng),提高蛋白質(zhì)點(diǎn)區(qū)域的對(duì)比度

3、;然后,采用標(biāo)記分水嶺法對(duì)增強(qiáng)后的圖像進(jìn)行初檢測(cè),獲取蛋白質(zhì)點(diǎn)區(qū)域輪廓。通過(guò)對(duì)不同種類的真實(shí)凝膠圖像進(jìn)行實(shí)驗(yàn),結(jié)果表明,該算法具有較高的正確檢測(cè)率,有效改善了弱點(diǎn)漏檢問(wèn)題,但仍存在重疊點(diǎn)難分離的現(xiàn)象,需進(jìn)一步研究。
　　(3)研究了基于形狀特征的重疊蛋白質(zhì)點(diǎn)分割算法。首先,采用基于圖像增強(qiáng)的分水嶺蛋白質(zhì)點(diǎn)初檢測(cè)算法,提取蛋白質(zhì)點(diǎn)輪廓信息;其次,結(jié)合蛋白質(zhì)點(diǎn)灰度信息和形狀特征,自適應(yīng)提取蛋白質(zhì)點(diǎn)形狀標(biāo)記;然后,采用完全歐式距離變換算