通过机械和循环一致性损失对活细胞进行无监督的轮跟踪

科学领域:

• 细胞生物学 细胞生物学
• 生物物理学的生物物理.
• 图像分析 图像分析

背景情况:

• 了解活细胞动态,包括干细胞和转移性癌细胞,需要跟踪可变形细胞轮.
• 现有的方法,如光流和深点设定跟踪,对于流体细胞运动是不够的,并且缺乏点对应.

研究的目的:

• 开发第一个基于深度学习的对焦跟踪方法,用于具有点对应的粘性弹性材料.
• 为了使在实时细胞视频中能够准确地跟踪细胞轮上的所有点.

主要方法:

• 一种新的深度学习方法,通过交叉注意力融合密集的轮表示.
• 无监督学习使用机械和循环一致性损失进行培训.
• 机械损失强制使垂直的点相对于轮的运动.

主要成果:

• 对相对比度和共聚焦光显微镜数据集的定量评估表明,相对于现有方法,性能优于现有方法.
• 定性分析显示了更有利的追踪结果.
• 开发的轮追踪器准确地捕获复杂的细胞变形.

结论:

• 拟议的方法在跟踪可变形细胞轮方面取得了重大进展.
• 具有机械约束的无监督学习提供了有效的培训策略.
• 这种工具在活细胞成像和粘弹性材料分析方面具有广泛的应用.