ToSkA：基于拓扑骨架的网络化形状表示与从细胞到死星物体的评估

形状分析与分类是生物学家、生物物理学家和数学家研究物体功能与形态之间关系的常用方法。经典的形态描述符（如球形度）可能很有力，但对于更复杂的形状可能不够充分。在此，我们提出“napari-toska”，一种基于拓扑骨架的方法，通过将复杂物体的形状不对称性表示为网络来分析它们。利用全局邻域原理、经典网络科学度量和空间特征嵌入，我们创建实例分割物体轮廓，用于即时或下游分类。napari-toska 还能跟踪时间动态并识别能够区分实验表型的网络特征。我们加入了测量物体绝对空间特征的能力，以引入尺度方面的考量。此外，napari-toska 通过网络的环的出现或消失来识别某些分割错误。综合来看，napari-toska 的功能可对生物和物理环境中经常观察到的复杂形状进行灵活而深入的形状刻画，在这些环境中，稳健而精确的系统配置对下游过程至关重要。