基于Transformer的活细胞显微镜细胞跟踪方法Trackastra

细胞跟踪是活细胞显微镜中常见的图像分析任务。与自然图像上的多目标跟踪（MOT）不同，细胞跟踪通常涉及数百个相似外观的物体，并且在每个帧中可能发生分裂，这使得该问题尤其具有挑战性。当前的先进方法遵循跟踪-检测范式，即首先对每个帧检测所有细胞，然后在第二步中依次将其链接成为生物学一致的细胞轨迹。常用的链接方法是离散优化方法，需要为每个数据集手动调节超参数，因此在实际中使用起来不够便捷。本文提出Trackastra，一种通用细胞跟踪方法，使用简单的Transformer架构直接从标注数据中学习细胞在时间窗口内的两两关联。重要的是，与现有的基于Transformer的MOT管道不同，我们的学习架构还能考虑分裂对象（如细胞），从而即使仅使用简单的贪心链接也能实现精确跟踪，从而逐步消除复杂链接步骤的要求。该架构通过避免处理密集图像的计算负担， operates on the full spatio-temporal context of detections within a time window. 我们表明，所提出的跟踪方法在 various 生物学数据集（包括细菌、细胞培养和荧光颗粒）上的性能与或优于经过精心调校的先进细胞跟踪算法。我们提供代码 https://github.com/weigertlab/trackastra。