【读论文】Cell Tracking Challenging Paper From KIT

论文：

A graph-based cell tracking algorithm with few manually tunable parameters and automated segmentation error correction
Katharina Löffler, Tim Scherr, Ralf Mikut

https://www.biorxiv.org/content/10.1101/2021.03.16.435631v2.full

---

Abstract：

提出了一种只含有少量可调参数和能够自动分割纠错的跟踪算法，在Cell Tracking Challenging 数据集上表现好。

---

Introduction：

细胞追踪方法分为基于检测的追踪和通过模型进化的追踪。本文着眼于改进基于检测的跟踪算法。

基于检测的细胞追踪方法有最邻近方法，卡尔曼滤波器或其他滤波器，混合方法，基于深度学习的方法，和基于图的方法。目前基于图的方法使得对细胞分裂和死亡等行为建模成为可能。

空白

基于检测的分割方法分为分割和跟踪两步。只有分割的准确才能获得良好的跟踪效果。完美的分割不存在，分割错误分为：False Positives (FP), False Negatives (FN), over-segmentation, under-segmentation, and wrong partitioning of touching cells 

---

学习产出：

提示：这里统计学习计划的总量
例如：
1、 技术笔记 2 遍
2、CSDN 技术博客 3 篇
3、 学习的 vlog 视频 1 个