近日，国际期刊《生物医学与健康信息学杂志》（IEEE Journal of Biomedical and Health Informatics）报道了我校省科技创新团队（群智能信息感知与控制）与西澳大学Brett Nener教授共同发表的题为“An Ant Colony Inspired Multi-Bernoulli Filter for Cell Tracking in Time-Lapse Microscopy Sequences”的学术论文（图1），报告了采用多贝努利随机有限蚁群算法解决图像序列中多目标分支、变形和动态各异等情形的跟踪问题最新研究成果。

图 1 论文出版信息

显微图像序列中多目标（如生物细胞）的动态行为分析需要可靠的自动跟踪方法，能够估计细胞状态，并描绘出相应的谱系树。本文首次提出了一种多贝努利随机有限蚁群多目标跟踪方法，用来处理包含分支、变形和动态各异等情形的聚集目标跟踪问题（图2）。该方法将每一个蚁群作为蚁群社会一个独立的个体，由信息素场及其对相应的启发式信息计算的随机有限蚁群的存在概率及其密度分布来近似多伯努利参数（图3）。为了有效地引导蚂蚁在连续帧间搜索目标，提出了蚁群及其信息素形成的双重预测机制（图4）。在具有不同的种群密度，目标运动分支频繁且不均匀等特性的数据集上测试算法的性能，结果证明了本文所提算法的性能超过了近期报道相关方法。

图 2 多贝努利随机有限蚁群多目标跟踪框架

图3 随机有限蚁群的存在概率计算结果

图 4 蚁群及其信息素形成的双重预测机制

省科技创新团队（群智能信息感知与控制）由徐本连教授领衔，致力于多目标跟踪研究，近期已在该领域取得了多项高水平成果（Benlian Xu*, Jian Shi, Mingli Lu, Jinliang Cong, Ling Wang and Brett Nener, An Automated Cell Tracking Approach with Multi-Bernoulli Filtering and Ant Colony Labor Division, IEEE/ACM Transactions on Computational Biology and Bioinformatics. doi: 10.1109/TCBB.2019.2954502；Mingli. Lu，Benlian Xu*，Brett Nener,Tracking of Multiple Cells with Ant Pheromone Field Evolution[J]，Engineering Applications of Artificial Intelligence,2018）。

《IEEE Journal of Biomedical and Health Informatics》由IEEE出版，前身为《IEEE Transactions on Information Technology in Biomedicine (T-ITB)》，发表生物医学和卫生信息学领域最新进展的原创论文，是计算机科学、医学图像处理及相关领域的TOP期刊（2020年影响因子5.223）。

该工作得到了国家自然科学基金面上项目（No.61876024 , No.61673075）资助。