从实例分割到浮游有丝虫的3D生长轨迹重建
计算机视觉与模式识别
2025-11-05 v1
摘要
浮游有丝虫是以复杂腔室壳体特征为特征的海洋原生生物，作为过去和现在环境条件的有价值的指示器。理解其腔室生长轨迹对于深入了解生物体发育及其在变化环境下的生态适应性提供了关键见解。然而，自动化从成像数据中追踪腔室生长的工作仍在很大程度上未被探索，现有方法依赖于对每个腔室进行大量人工分割，这既耗时又主观。本研究提出一种集成实例分割（computer vision 技术在有丝虫研究中应用不够广泛）与专用腔室排序算法的端到端管道，用于从高分辨率计算机断层扫描中自动重建三个维生长轨迹。我们定量和定性评估了多种实例分割方法，每种方法针对腔室的不同空间特征进行优化，并检验其对生长顺序重建精度的下游影响。在专家标注数据集上的实验结果表明，所提出的管道显著减少了人工工作量，同时保持了生物学上有意义的准确性。尽管分割模型在较小腔室中存在欠分割问题，由于体素保真度降低和腔室间细微连通性较差，但腔室排序算法仍然稳健，在部分分割情况下也能一致重建发育轨迹。该工作为浮游有东虫的数字生长分析提供了首个完全自动化且可重复的管道，为大规模数据驱动的生态研究奠定了基础。
引用
@article{arxiv.2511.02142,
title = {From Instance Segmentation to 3D Growth Trajectory Reconstruction in Planktonic Foraminifera},
author = {Huahua Lin and Xiaohao Cai and Mark Nixon and James M. Mulqueeney and Thomas H. G. Ezard},
journal= {arXiv preprint arXiv:2511.02142},
year = {2025}
}