粒子定位算法中的偏差
软凝聚态物质
2018-03-13 v2
摘要
自动化粒子定位算法已经革新了显微图像分析，使研究者能够在显微图像中快速将许多粒子定位到几个像素以内。这些算法中的绝大多数通过受计算机视觉启发的启发式方法运行，例如用斑点检测识别粒子。尽管快速，这些算法深受偏差困扰[4, 15, 24]，且许多研究者仍频繁忽略或低估这些偏差。在本文中，我们考察粒子定位中偏差的来源。我们并非详尽考察所有可能的偏差来源，而是用启发式方法说明其规模、大量来源以及校正偏差的困难。为此，我们生成一系列简单图像，逐一引入偏差来源。利用这些图像，我们考察了两种启发式算法在此过程中的表现：质心算法和高斯拟合算法。我们将这两种启发式方法与一种基于用生成模型重建图像以拟合数据的新方法（图像重建参数提取，即 PERI）进行对比。尽管启发式方法即使在极不真实的简单图像上也产生显著偏差，基于重建的方法即使在复杂、高度真实的图像中也能精确测量粒子位置。最后我们重申基于重建的方法能准确提取粒子位置的根本原因——拟合中的任何不完善既表明了哪些系统误差源仍然存在，也提供了将其纳入考虑的路线图。
引用
@article{arxiv.1801.03581,
title = {Biases in particle localization algorithms},
author = {Brian D. Leahy and Matthew Bierbaum and James Sethna and Itai Cohen},
journal= {arXiv preprint arXiv:1801.03581},
year = {2018}
}