Mar, 2024

基于细胞位置热图对矮线虫的细胞跟踪与一对一检测

PDF
TL;DR本论文提出了一种基于细胞位置热图的非刚性对齐和基于前一帧检测结果的成对检测方法，用于解决 C. elegans 中细胞追踪问题，在实验中展示了每个模块的有效性，并取得了最佳性能。
3d cell trackinglive cell image analysisc. eleganscell migrationcell detection
发现论文，激发创造
  • 基于轨迹和细胞命运信息的细胞身份预测

    利用机器学习方法，我们提出了一种创新的方法来在早期 C. elegans 胚胎发育期间对细胞进行识别，通过利用细胞轨迹和细胞命运等少量时间空间特征，我们的模型能够在有限数据下实现 90% 以上的准确率，并能解释最重要的特征对生物知识的意义。

    Jan, 2024

  • 细胞在细菌生物膜的稠密三维显微视频中的深度时间序列分类与数学建模

    本研究提出了一种名为 DenseTrack 的新型细胞跟踪算法，它将深度学习与基于数学模型的策略相结合，以在拥挤场景中有效建立连续帧之间的对应关系和检测细胞分裂事件。通过将细胞跟踪问题制定为基于深度学习的时间序列分类任务，然后通过解决约束的一对一匹配优化问题来利用分类器的置信度得分。此外，还提出了一种基于特征分解的细胞分裂检测策略，利用细胞几何知识。该方法在细菌生物膜发展的三维时间序列图像中跟踪密集堆积的细胞，并经过了模拟和实验荧光图像序列的实验证明，与最近的最先进细胞跟踪方法相比，所提出的跟踪方法在定性和定量评估指标上具有更优越的性能。

    Jun, 2024

  • 基于椭圆边界框的细胞跟踪方法

    该研究论文提出了一种新的基于经典检测跟踪模式的细胞检测和跟踪方法，通过将细胞形状近似为有方向的椭圆并利用通用有方向对象检测器在每一帧中识别出细胞，再结合全局数据关联算法进行跟踪，结果表明该方法在细胞检测和跟踪方面与需要更多数据标注的最先进技术具有竞争力。

    Oct, 2023

  • 4D 荧光显微镜图像中的多物体分割跟踪与深度特征图

    本文提出了一种基于 3D 分割结果的多目标跟踪方法，该方法可通过提取深度神经网络中的特征图来识别和匹配物体部分，该方法在跟踪准确性和事件识别准确性方面比现有的方法分别提高了 2.96% 和 35.48%。

    Nov, 2019

  • 学习可变形的三维图形相似性以追踪未对齐的时间序列图像中的植物细胞

    通过利用植物细胞的紧密三维结构创建三维图，本研究提出了一种新颖的基于学习的方法来进行精确的细胞追踪，同时提出了细胞分裂检测和有效的三维注册算法，改进了当前最先进的算法，并在基准数据集上展示了算法的效能。

    Sep, 2023

  • Trackastra：基于 Transformer 的细胞跟踪技术用于活细胞显微镜

    利用简单的 Transformer 架构直接学习细胞在时间窗口内的成对关联，从而提出一种通用的细胞跟踪方法，该方法能够在各种生物数据集（如细菌、细胞培养和荧光颗粒等）中表现与优化过的最先进细胞跟踪算法相媲美或更好，且能够避免复杂的关联步骤。

    May, 2024

  • 利用时间对称的深度学习方法增强细胞跟踪

    基于深度学习的细胞追踪方法，通过细胞的时空领域实现准确追踪，并能学习细胞的运动模式，适用于处理大量带有重要特征的视频帧。

    Aug, 2023

  • 多细胞追踪的联合多帧检测和分割

    本文介绍了一种利用 UNet 进行多细胞跟踪的方法，提出了一种检测和细胞分割相结合的解决方案来解决高密度细胞群分割难题，并提高了检测细胞有丝分裂的能力，实验结果表明其优于当前最先进的方法。

    Jun, 2019

  • 重力细胞检测与荧光显微镜数据跟踪

    基于引力场的新方法在荧光显微镜图像中进行自动细胞检测、分割和跟踪，可与现代机器学习模型竞争并潜在地超越其性能。

    Dec, 2023

  • 机械和周期一致性损失下的无监督细胞轮廓跟踪

    提出了一种基于深度学习的细胞轮廓跟踪方法，使用无监督学习实现了机械和周期性一致性损失函数来训练轮廓跟踪器，对相位对比和共聚焦荧光显微镜拍摄的两个数据集进行了稀疏跟踪点标记以得到定量评估结果，其轮廓跟踪器比其他方法表现更好且产生更优质的结果。

    Mar, 2023