摘要
过去四十年间，斑马鱼以其与人类基因相似度高、与人类心血管系统和神经系统作用机制类似、身体透明、取材来源广泛容易获取、生长发育快等优点，在基因学、药物开发、毒物学、发育生物学、行为科学等生物医药领域被广泛用作模式生物。斑马鱼幼鱼以其分化不完全的生理系统和运动特性在斑马鱼的众多实验个体中有着独特价值。与斑马鱼鱼卵和胚胎相比，幼鱼的运动特性和分化程度低的器官提供了更多观测信息；而其未成熟的神经系统与透明的躯体可以使其进行许多无法在成鱼阶段完成的实验。基于以上原因，斑马鱼幼鱼得到了学术界广泛的关注。 视频追踪技术是研究幼鱼功能特性的基本步骤。科研人员通常首先对斑马鱼幼鱼进行药物学和基因操作，之后对幼鱼群体内的每个目标的运动数据进行记录来进一步分析性状。这些分析包括目标运动特征的研究，群体行为机制的分析，以及转基因、基因敲除和毒物药物操作的效果探究。目标的观测过程中会产生大量的图片数据，这些数据传统上需要人工对每个目标每一帧的位置、速度等运动信息进行逐一标注，该过程枯燥且效率低。因此，一个可靠的自动化行为观测系统一直在生物医药领域有很大的需求。 因为斑马鱼幼鱼体型小、身体透明且外观相似、个体交叉频繁和运动不连续的特点，目前学术界和商业界的针对模式生物的追踪系统依然无法较好的实现斑马鱼鱼群的可靠追踪。基于当前学术界对斑马鱼幼鱼鱼群追踪的需求，本文提出了一种高效且鲁棒性强的斑马鱼幼鱼高通量自动化追踪算法。 本文通过使用轻量化的卷积神经网络、幼鱼连通域的拓补学分析和基于无监督学习的聚类方法解决了幼鱼交叉情况下的个体识别问题，并同时实现了该情况下单个目标丰富的运动与形态特征的提取。之后设计的自适应卡尔曼滤波器克服了幼鱼不连续运动对于目标运动参数最优估计的影响。另外提出了两阶段的目标检测关联算法，解决了高通量密集目标追踪过程中轨迹生成效率降低、正确率下降的问题。同时提供了一系列数据可视化功能，使得研究人员从杂乱的观测数据中获得对数据直观的认知，从而提升了实验效率。实验结果表明本文可以对斑马鱼幼鱼鱼群实现大于97%的追踪精度和高于30帧每秒的追踪速率。其追踪效果可以与当前最先进的深度学习技术相媲美，并可实现在线的斑马鱼幼鱼鱼群追踪。
NETL