一、课题解决的问题
Fly Heart Analysis 软件通过对果蝇心脏跳动视频的分析，在视频上标记心脏收缩和舒张的特征点，在这些数据的基础上，结合视频本身的属性，可进一步确定心脏跳动的舒张间期、收缩间期以及舒张半径和收缩半径。同时，根据心脏跳动视频，还可以得到与之对应的M-mode图像。为了直观的反应心脏的运动情况，可根据帧亮度算法（Frame Brightness Algorithm）和改变像素强度算法（Changing Pixel Intensity Algorithm）得到心脏的运动曲线图。在得到这些基本数据后，将M-mode图像和心脏运动曲线图进行对比、分析，便可判断该样本是否患有心律失常。
具体来说，本软件主要有七个组成部分，分别是：
（1） prepropcess：用于获取拍摄到的视频，视频以帧的形式在窗口中显示。根据心脏跳动情况，选取特征点（即收缩和舒张幅度最大的点）标记，用于记录心脏收缩半径和舒张半径
（2） Derive Movement：采用两种算法自动获取心脏运动情况，第一种是逐帧算法（frame by frame），在每一帧上计算出一个平均暗度值（darkness），并以暗度值为纵坐标，帧数为横坐标画出一条曲线；第二种是逐像素算法（pixel by pixel），计算出相邻的两帧中每一像素点的相对亮度改变值（即RBC），同时确定背景噪声值（即在每一帧中的最大RBC之间选取最小值作为背景噪声值），比较每一帧的RBC值与背景噪声值，记录RBC值较大的像素点的个数，并以此为纵坐标，以帧数为横坐标，得到一条曲线。
（3） Check Intervals：为保证准确度，对上一步自动产生的心脏运动图像进行核查，与M-Mode图像比对，若心脏舒张间期或收缩间期与M-Mode显示的情况一致则保留该数据，若不一致则删除该数据。具体步骤是：首先将M-mode与改变像素强度算法得到的图像进行对比，若收缩和舒张间期显示一致则保留该数据，若不一致，则参考帧亮度算法得到的图像，若M-mode与后者表现一致，同样说明该数据是可用的，否则只能改变帧亮度算法的阈值，或对其进行高通筛选，处理后的结果若与M-mode表现一致，则该数据同样是可用的。
（4） Output Statistic：对选中的每一个视频进行统计分析，并将得到的结果以文件的形式输出，同时对选中的所有视频进行统计，得到一个总体的分析结果，同样以文件的形式输出，在该文件中包含的统计有：心脏周期、收缩周期、舒张周期、收缩半径和舒张半径。
（5） M-Mode：M-Mode是根据视频得到的心脏跳动真实情况，在每一帧上自动选取一个像素宽的切片，并将各帧的切片水平排列，从而得到M-Mode图像。该模块用于产生M-Mode图像,M-Mode又叫做edge tracing，用于描述心脏壁的运动情况，能够有效地说明心脏壁的运动模式。
（6） Update Histograms：对所有数据进行分析，并以直方图的形式展现心脏跳动周期。由于不同动物之间心率相差较大，因此需要对数据进行标准化处理。它提供了另一种对心律失常发病率进行定量分析的方法。
（7） Movement Movies：用于自动产生一个慢速的影像，两个连续的帧之间，像素亮度值变化较大的点用红色标记，从而得到一个新的视频，用于对原视频补充说明，对于体积较小的心脏，一般的方法不能满足分析的需要，但用这种方法可以实现对体积较小心脏的处理。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
