根据生物需求进行细胞追踪——具备强烈有丝分裂感知能力的多假设追踪器，并包含随机不确定性因素

《IEEE Transactions on Medical Imaging》：Cell Tracking According to Biological Needs—Strong Mitosis-Aware Multi- Hypothesis Tracker With Aleatoric Uncertainty

细胞追踪与分裂重建中，现有方法因缺乏长期一致性和有丝分裂检测不足导致性能受限。本文提出基于运动估计不确定度量化与时空密度融合的新型分配策略：首先通过测试时间增强引入运动不确定度概率分布；其次构建考虑细胞周期特性与多假设跟踪的分配问题模型，有效解决分裂检测错误关联。在九大数据集验证中，该方法在生物指标上较现有最优方案提升约6倍，显著改善长期追踪和分裂树重建效果。

　　

摘要：

细胞追踪与分割技术使生物学家能够从大规模的显微镜时间序列数据中提取有价值的信息。目前的追踪方法主要依赖于局部精度指标，但往往缺乏长期的一致性，且无法正确重建细胞谱系树。为了解决这一问题，我们提出了一种新的分配策略，该策略包含两个关键组成部分。首先，我们为运动估计框架提供了一种不确定性估计技术，该方法通过特定的测试时增强方法将单点运动表示转化为概率空间密度。其次，我们利用这些空间密度来定义一个新的、考虑有丝分裂过程的分配问题公式。这种公式允许多假设追踪器对细胞分裂进行建模，并根据长期存在的矛盾来解决错误的关联和有丝分裂检测问题。我们的框架将明确的生物学知识融入分配成本中，并将其与从空间密度中学习到的表示相结合。我们在九个具有挑战性的数据集上评估了我们的方法，结果表明它在生物学相关的指标上显著优于现有的最先进技术，性能提升了大约六倍，并为运动估计的不确定性提供了新的见解。

引言

细胞追踪和谱系重建技术使研究人员能够长时间追踪细胞的命运，例如分析肝脏疾病[1]或研究乳腺癌背景下氧化还原信号传导与细胞迁移之间的相互作用[2]。因此，自动追踪和分割算法是减少生物医学研究中分析光学显微镜输出所需大量工作的宝贵工具[3]。这些算法旨在对图像中的细胞进行分割，随时间追踪它们的运动轨迹，并检测由有丝分裂产生的母细胞-子细胞关系。图2展示了一些示例显微镜图像序列，展示了细胞追踪和谱系重建的应用场景。通过支持大规模数据集的分析，这些方法促进了诸如[4]这样的研究，该研究重建了包含在4.7太字节图像中的整个胚胎发育的细胞谱系。然而，尽管取得了显著进展，[4]报告称只有50%的细胞在长期内被正确追踪，而有丝分裂的检测仍需进一步改进，以便进行更深入的谱系树分析。图1。

运动回归中的不确定性。红色和蓝色的高斯分布代表了在对输入图像应用我们的测试时位移后细胞运动的估计结果。如果使用标准增强方法，估计方差较小（）。当红色细胞的位移量为一个像素（）、四个像素（）或八个像素（）时，估计方差会增加，而蓝色细胞的方差仍然较小。这表明蓝色细胞的运动估计较为准确，而红色细胞的运动估计则存在不确定性。

图2。

不同复杂度的谱系树，其中轨迹颜色表示细胞的代际关系。例如，小鼠造血干细胞（BF-C2DL-HSC）表现出强烈的增殖特性，提供了丰富的细胞周期信息。小鼠肌肉干细胞（BF-C2DL-MuSC）数据集则结合了强烈的增殖能力和高细胞运动性。相比之下，其他类型的细胞，如Glioblastoma-astrocytoma U373细胞（PhC-C2DH-U373），几乎不增殖，有丝分裂现象很少，且细胞静止不动。我们的方法通过结合细胞周期信息并引入一个稳健的隐式运动模型，来处理涉及增殖和运动的更复杂情况。