李 金 杨鹏飞 王菊芳 何进鹏 马 伟 周 珩∗

1(兰州大学 核科学与技术学院，兰州 730000)

2(中国科学院近代物理研究所 甘肃省空间辐射生物学重点实验室 兰州 730000)

3(中国科学院大学 核科学与技术学院 北京 100049)

引言

纤毛是一种来源于细胞基体并突出于细胞表面的特殊细胞器，有3 种类型:初级纤毛(primary cilia)、运动纤毛(motile cilia)和节点纤毛(nodal cilia)[1]。 初级纤毛作为细胞的“天线”，通过调控Hedgehog[2]、Wnt[3]、TGF－β[4]、Notch[5]等多种信号通路感应物理、化学和生物信号的刺激，并传导至细胞内部。 初级纤毛的结构异常会导致多种疾病[6-7]，甚至影响肿瘤的发生和发展[7]。 通过化学药物抑制初级纤毛生长能够有效控制肿瘤细胞的恶性增殖[8]。

目前，多采用Photoshop 软件中的“标度尺”对初级纤毛进行测量，但存在准确度低、重复性差、分析效率低等问题，因此，建立一种基于数字图像处理技术的高效分析方法非常必要。

数字图像处理技术可实现包括噪声去除[9]、分割[10]、配准[11]、融合[12]等图像处理。 噪声去除是指消除、弱化或压制图像中的随机变化干扰。 这些干扰可能源于成像过程中的随机效应与测量误差。分割是将图像细分为它的组成要素，细分水平取决于要解决的问题，即感兴趣的物体被隔离出来时，就应该停止分割。 常见的分割方法有基于边缘分割、基于区域分割、基于特定理论方法和基于深度学习的分割算法等。

初级纤毛的数字图像处理的难点在于噪声去除与边界分割。 首先对相关医学图像降噪分割方法进行了调研。 陈炳权等[13]提出了一种基于离散小波变换和修正中值滤波的医学图像耦合去噪算法，用于CT 与超声波图像降噪。……