DistNet2D：利用长程时间信息实现高效分割与追踪
计算机视觉与模式识别
2023-11-22 v2 数据分析、统计与概率
定量方法
摘要
从视频显微镜中提取长轨迹与谱系需要极低的错误率，这在密集或变形细胞的复杂数据集上颇具挑战。利用时间上下文是克服该挑战的关键。我们提出 DistNet2D，一种用于 2D 细胞分割与追踪的新型深度神经网络（DNN）架构，其利用了中期与长期时间信息。DistNet2D 在输入中考虑七帧，并使用一种后处理流程，利用整个视频的信息来纠正分割错误。DistNet2D 在两个实验数据集上优于两种近期方法，其中一个包含密集堆积的细菌细胞，另一个包含真核细胞。它被集成到一个基于 ImageJ 的图形用户界面中，用于 2D 数据可视化、整理与训练。最后，我们展示了 DistNet2D 在将细胞大小与形状同其传输特性进行大统计量关联上的性能，涵盖细菌与真核细胞。
引用
@article{arxiv.2310.19641,
title = {DistNet2D: Leveraging long-range temporal information for efficient segmentation and tracking},
author = {Jean Ollion and Martin Maliet and Caroline Giuglaris and Elise Vacher and Maxime Deforet},
journal= {arXiv preprint arXiv:2310.19641},
year = {2023}
}
备注
40 pages, 5 figures, 18 supp figures