FlowMorph：微流控视频中无标记单细胞力学的物理一致自监督框架
计算机视觉与模式识别
2026-01-27 v1
摘要
红细胞的力学特性是血液病和全身性疾病的有前景的生物标志物，推动了在每次实验中以 -- 个细胞的通量探测变形能力的微流控检测。然而，现有的流水线依赖于监督式分割或手工制作的运动图，并且很少编码控制红细胞形状演化的层流 Stokes 流动物理规律。我们引入了 FlowMorph，这是一个物理一致的自监督框架，可从短明场微流控视频中为每个追踪的红细胞学习无标记标量力学代理 。FlowMorph 通过低维参数化轮廓对每个细胞进行建模，通过结合层流平流和曲率正则化弹性松弛的可微“流中胶囊”推进边界点，并优化一个耦合轮廓重叠、胞内流一致性、面积守恒、壁面约束和时间平滑性的损失函数，仅使用自动导出的轮廓和光流。在四个公开的红细胞微流控数据集上，FlowMorph 在提供速度场的物理丰富视频上实现了 的平均轮廓 IoU，并且在面积守恒和壁面违规方面明显优于纯数据驱动的基线。在约 个居中序列上，标量 单独即可以 的 AUC 区分翻滚动力学与翻转动力学。仅使用 个实时变形细胞术 (RT-DC) 事件进行校准，单调映射 在 个留出细胞上预测表观杨氏模量的平均绝对误差为 \,MPa，并且在通道几何形状、光学和帧率发生变化时性能优雅下降。
引用
@article{arxiv.2601.17947,
title = {FlowMorph: Physics-Consistent Self-Supervision for Label-Free Single-Cell Mechanics in Microfluidic Videos},
author = {Bora Yimenicioglu and Vishal Manikanden},
journal= {arXiv preprint arXiv:2601.17947},
year = {2026}
}