用于理解微结构中细胞实例级语义与运动的 TYC 数据集

分割细胞并跟踪其随时间运动在生物医学应用中是一项常见任务。然而，从显微图像中预测准确的实例级分割与细胞运动仍具挑战性。利用微结构环境在恒定介质流中分析单细胞进一步增加了复杂性。尽管已有大规模标注显微数据集可用，我们尚未知晓任何同时包含细胞与微结构的大规模数据集。本文中，我们介绍了被困酵母细胞（TYC）数据集，一个用于理解微结构中细胞实例级语义与运动的新型数据集。我们发布了 $105$ 张密集标注的高分辨率明场显微图像，包含约 $19$k 个实例掩码。我们还发布了 $261$ 段精选视频片段，由 $1293$ 张高分辨率显微图像组成，以促进对细胞运动与形态的无监督理解。TYC 提供的实例标注数量为此前最大同类数据集的十倍，且同时包含细胞与微结构。我们的工作在微结构变异性、分辨率、复杂性及采集设备（显微镜）变异性方面亦超越以往尝试。我们通过引入标准化评估策略，促进了在新数据集上的统一比较。TYC 与评估代码依据 CC BY 4.0 许可公开可用。