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