EmbedTrack——通过学习偏移量与聚类带宽实现细胞分割与追踪同步
计算机视觉与模式识别
2024-10-28 v2 机器学习
摘要
对细胞行为的系统分析需要自动化的细胞分割与追踪方法。尽管深度学习已成功应用于细胞分割任务，但利用深度学习实现细胞分割与追踪同步的方法甚少。本文提出 EmbedTrack，一种用于细胞分割与追踪同步的单一卷积神经网络，其预测易于解释的嵌入表示。作为嵌入，学习了细胞像素到其细胞中心的偏移量以及带宽。我们在 Cell Tracking Challenge 的九个 2D 数据集上对所提方法进行基准测试，其中在九个数据集中的七个上位列前三名参赛者，包括三个第一名表现。源代码公开于 https://git.scc.kit.edu/kit-loe-ge/embedtrack。
引用
@article{arxiv.2204.10713,
title = {EmbedTrack -- Simultaneous Cell Segmentation and Tracking Through Learning Offsets and Clustering Bandwidths},
author = {Katharina Löffler and Ralf Mikut},
journal= {arXiv preprint arXiv:2204.10713},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication