曾招鑫 ，刘 俊

（1.武汉科技大学计算机科学与技术学院，武汉430065；2.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉430065）

（∗通信作者电子邮箱493952184@qq.com）

0 引言

秀丽隐杆线虫（Caenorhabditis elegans，C.elegans）是一种被广泛研究的蠕虫，如今已成为许多不同生物领域的公认模式生物，是发育生物学、神经生物学、衰老生物学、基因功能研究的热点［1］。它是第一个被完整测序的多细胞真核生物，在其近2万个蛋白编码基因中，有60%～80%与人类基因同源，已被用于多种人类疾病的研究和药物筛选［2］，包括肿瘤、帕金森氏症［3］、老年痴呆、糖尿病、多囊肾病等，和其他模式生物相比，线虫由于寿命短、突变体多使其在衰老和寿命研究方面具有显著的优势和特色。在秀丽隐杆线虫相关领域研究中，需要测量大量候选样本在不同环境下的生理变化，为基因研究、人类疾病研究和药物筛选品种提供科学依据。线虫体态是线虫的本质特征，其形态与线虫的健康寿命直接相关，所以为了研究秀丽隐杆线虫需要对其形态分割，以便于特征提取及量化分析。

经济高速发展的今天，人类的生命健康永远是科技关注的焦点。研究线虫有助于研究特定基因在许多细胞途径中的作用，影响着未来医学和科学的发展，秀丽隐杆线虫在培育研究中的生理变化大部分由研究员的视觉判断作为数据而缺乏量化标准。为了通过计算机视觉实现高通量、全自动定量评估的目标，首要步骤是从显微图像中分割秀丽隐杆线虫，为了使研究人员更加精确地观察显微镜下的线虫，利用机器视觉和人工智能技术实现显微图像上的自动分割具有重要意义。……