基于椭圆包围盒的检测跟踪式细胞追踪
计算机视觉与模式识别
2023-10-12 v2 人工智能
机器学习
摘要
细胞检测与追踪对于生物分析至关重要。近期方法依赖于模型演化跟踪范式，通常由训练端到端深度学习模型来检测并跟踪各帧中的细胞，取得了良好效果。然而，此类方法需要大量标注数据，获取耗时且常需专业标注人员。本文提出一种基于经典检测跟踪范式的新方法，缓解了标注数据需求。具体而言，该方法将细胞形状近似为有向椭圆，随后使用通用有向目标检测器识别每帧中的细胞。我们进而采用一种全局数据关联算法，利用概率距离度量探索细胞的时间相似性，其中椭圆被视为二维高斯分布。结果表明，我们的方法在检测与追踪上可与需远更大量数据标注的先进方法相竞争。代码见：https://github.com/LucasKirsten/Deep-Cell-Tracking-EBB。
引用
@article{arxiv.2310.04895,
title = {Cell Tracking-by-detection using Elliptical Bounding Boxes},
author = {Lucas N. Kirsten and Cláudio R. Jung},
journal= {arXiv preprint arXiv:2310.04895},
year = {2023}
}
备注
Paper under review on IEEE/ACM Transactions on Computational Biology and Bioinformatics