螺旋追踪器:用于螺旋分析的自动和低成本的标记工作流程

科学领域:

• 细胞生物学 细胞生物学
• 显微镜的使用方法
• 计算生物学 计算生物学

背景情况:

• 在细胞分裂过程中对线动态的定量分析对于理解细胞分裂至关重要.
• 现有的方法与光显微镜图像的噪音以及机器学习的高数据标签成本作斗争.
• 需要高效,自动化和具有成本效益的工具来分析轴心动力学.

研究的目的:

• 开发一种全自动和低成本的工作流程,用于分析时间缩短图像中的动态机制.
• 介绍SpindlesTracker,这是一个用于定量分析动态的新型系统.
• 解决螺旋分析中现有的决定性和机器学习方法的局限性.

主要方法:

• 设计了YOLOX-SP网络,用于使用盒级监控准确检测线和端点定位.
• 优化了SORT和MCP算法,用于线跟踪和骨架化.
• 创建并使用了一个新的,注释的S.pombe数据集用于培训和评估.

主要成果:

• 在线索追踪器在线索检测中实现了84.1%的mAP,在终点检测中达到90%以上的准确性.
• 该工作流将数据标签成本降低了60%,同时保持了高性能.
• 追踪精度提高了1.3%,追踪精度提高了6.5%,平均线长度误差在1μm以内.

结论:

• SpindlesTracker提供了一种高效和准确的解决方案,用于从时差光显微镜分析线粒状动力学.
• 与现有方法相比,开发的工作流大大降低了成本并提高了性能.
• 这种方法对研究细胞分裂具有广泛的意义,并且可以适应用于分析其他丝状结构.