基于生物学需求的细胞追踪——具有偶然不确定性的强有丝分裂感知多假设追踪器

细胞追踪与分割有助于生物学家从大规模显微延时数据中提取洞见。受局部精度指标驱动，当前追踪方法往往缺乏长期一致性以及正确重建谱系树的能力。为解决此问题，我们为运动估计框架引入一种不确定性估计技术，并扩展了多假设追踪框架。我们的不确定性估计利用特定问题的测试时增强，将运动表示提升为概率空间密度。此外，我们引入一种新颖的有丝分裂感知分配问题公式，使多假设追踪器能够对细胞分裂建模，并基于长期冲突解决错误关联和有丝分裂检测。在我们的框架中，显式的生物学知识被建模为分配代价。我们在九个竞争性数据集上评估了我们的方法，并证明在受生物学启发的指标上，我们大幅超越了当前最先进水平，取得了约6倍的改进，并揭示了关于运动估计不确定性行为的新洞见。