基于尺度选择和机器学习的细胞细分和追踪时间间隔显微镜

科学领域:

• 生物医学成像学 生物医学成像学
• 计算生物学是一种计算生物学.
• 细胞动态 细胞动态

背景情况:

• 精确的细胞运动监测对于了解疾病和治疗疗效至关重要.
• 手动细胞追踪是耗时的,缺乏可复制性.
• 自动追踪面临着强度变化和分辨率限制等挑战.

研究的目的:

• 开发一个全面的细胞细分和跟踪的自动化方法.
• 为了解决现有的自动化细胞追踪技术的局限性.

主要方法:

• 利用多尺度的时空感兴趣点检测来自动选择和细分尺度.
• 采用神经网络与类原型平衡用于细胞区域检测.
• 开发了一个基于图形的框架,用于轨道生成和细胞事件检测.

主要成果:

• 拟议的方法在细胞追踪挑战 (CTC) 中展示了与顶级技术相比的竞争性表现.
• 在各种细胞类型,大小和成像技术中实现了优秀的概括.
• 在时间间隔显微镜序列上验证的性能.

结论:

• 开发的方法提供了一个有效和强大的解决方案,用于自动化细胞细分和跟踪.
• 这种方法推进了用于生物研究的定量细胞运动分析领域.