Core Concepts
Eine effiziente Methode zur Verfolgung von Zellen in großen Mikroskopiedatensätzen, die sowohl Segmentierung als auch Verfolgung gemeinsam optimiert.
Abstract
Die vorgestellte Methode zur Zellverfolgung in großen Mikroskopiedatensätzen basiert auf einer hierarchischen Segmentierung der Zellen und der anschließenden Auswahl disjunkter Segmente, die die Überlappung zwischen benachbarten Frames maximieren.
Der Algorithmus berechnet zunächst eine Hierarchie möglicher Zellsegmente für jeden Frame. Anschließend wird ein Integer-Lineares-Programm (ILP) gelöst, um die disjunkten Segmente auszuwählen, die die Überlappung zwischen benachbarten Frames maximieren. Dabei werden biologische Constraints wie Zellteilungen berücksichtigt.
Die Methode kann mit verschiedenen Segmentierungsalgorithmen kombiniert werden, einschließlich traditioneller Bildverarbeitungsmethoden und Deep-Learning-basierten Ansätzen. Sie skaliert gut auf große Datensätze im Terabyte-Bereich und übertrifft den Stand der Technik bei der Verfolgung von Zellkernen und Zellmembranen.
Die Experimente zeigen, dass die Methode state-of-the-art Ergebnisse auf Benchmark-Datensätzen erzielt und effizient auf Terabyte-großen Mikroskopiedaten angewendet werden kann.
Stats
Die Datensätze enthalten Millionen von Zellinstanzen.
Die Verarbeitung des Zebrafish-Embryo-Datensatzes nahm insgesamt 9,5 Stunden verteilte Rechenzeit in Anspruch.
Quotes
"Die vorgestellte Methode kann mit verschiedenen Segmentierungsalgorithmen kombiniert werden, einschließlich traditioneller Bildverarbeitungsmethoden und Deep-Learning-basierten Ansätzen."
"Die Methode skaliert gut auf große Datensätze im Terabyte-Bereich und übertrifft den Stand der Technik bei der Verfolgung von Zellkernen und Zellmembranen."