Nellie：2D/3D活细胞显微成像中细胞器自动分割、追踪与层次化特征提取

分析动态细胞器仍是一项艰巨的挑战，但这是理解生物过程的关键。我们介绍了Nellie，一个自动化、无偏且用户友好的流水线，用于多种细胞内结构的分割、追踪和特征提取。Nellie能够自适应图像元数据，无需用户输入。Nellie的预处理流水线增强了多个细胞内尺度上的结构对比度，从而实现对亚细胞器区域的鲁棒层次化分割。内部运动捕获标记通过半径自适应的模式匹配方案生成并追踪，并用作亚体素流插值的引导。Nellie在多个层次级别上提取大量特征，以进行深入且可定制的分析。Nellie具有基于Napari的点击式图形用户界面（GUI），允许无代码操作和可视化，同时其模块化的开源代码库便于有经验的用户进行扩展。我们通过三个示例展示了Nellie的广泛用例：使用基于特征的分类从单通道中分离多种细胞器；在线粒体多重网格图上训练无监督图自编码器，以量化离子霉素处理后潜在空间嵌入的变化；以及对不同细胞类型和时间帧间的内质网网络进行深入表征与比较。