酵母菌细胞由于其易培养和易操作性已成为一种在生物学界被广泛应用的模式生物。在遗传学研究中，对已发生基因突变的与人类遗传疾病有关的酵母进行表型研究，极大地提高了人类疾病的诊断和治疗水平。然而，在研究中，研究人员通常需要采集大量的酵母细胞图像，观察基因突变或不同药物处理下的细胞结构和行为。比较常用的酵母细胞的形态分析方法主要依赖于研究人员的手工测量，不但耗时且具有个体差异性。因此，为了更准确地分析酵母细胞的形态和详细结构，需要一种快速有效的酵母细胞图像自动分割算法。
近日，中国科学院苏州生物医学工程与技术研究所李辉课题组开发了一种简单有效的酵母细胞明场图像的自动分割算法。该方法首先自动检测离散的细胞轮廓点（种子），然后通过一种快速稳定的边缘跟踪算法将其连接起来。在稀疏分布的酵母细胞图像中，几乎所有视场内的细胞都可以被正确分割。在密集分布的图像中，形态较正常的细胞也可以完全被正确分割，同时排除了大部分变形的细胞。这种明场图像分割结果可进一步用于荧光图像的标记。
该算法能够克服酵母细胞图像中背景与细胞间的低对比度、细胞边界不连续以及环细胞伪影等问题，避免了常见的过分割和欠分割现象，快速精确地分割图像中正常的酵母细胞。分割结果将用于标记其线粒体和微管的荧光图像，从而更为准确有效的分析细胞体内线粒体和微管的特征。相关结果已发表在Journal of Biomedical Optics上。
论文链接：https://doi.org/10.1117/1.JBO.23.11.116503
Fig. 1 初始细胞轮廓点检测
Fig. 2 初始细胞轮廓点筛选
Fig. 3 稀疏分布的酵母细胞分割结果
Fig. 4 密集分布的酵母细胞分割结果
附件下载：
