Learning Deformable 3D Graph Similarity to Track Plant Cells in Unregistered Time Lapse Images

要約

顕微鏡で得られた画像内の植物細胞の追跡は、多数の細胞、密集した植物細胞の異なる層の不均一な成長、細胞分裂などの生物学的現象のため、困難な問題です。
さらに、組織のより深い層の画像にはノイズが多く、画像処理に固有の避けられない全身誤差が問題をさらに複雑にします。
この論文では、植物細胞の密に詰まった三次元細胞構造を利用して三次元グラフを作成し、正確な細胞追跡を実行する新しい学習ベースの方法を提案します。
さらに、最先端のアルゴリズムを改良した、細胞分裂検出と効果的な三次元位置合わせのための新しいアルゴリズムを提案します。
ベンチマーク データセットでの追跡精度と推論時間の観点から、アルゴリズムの有効性を実証します。

要約(オリジナル)

Tracking of plant cells in images obtained by microscope is a challenging problem due to biological phenomena such as large number of cells, non-uniform growth of different layers of the tightly packed plant cells and cell division. Moreover, images in deeper layers of the tissue being noisy and unavoidable systemic errors inherent in the imaging process further complicates the problem. In this paper, we propose a novel learning-based method that exploits the tightly packed three-dimensional cell structure of plant cells to create a three-dimensional graph in order to perform accurate cell tracking. We further propose novel algorithms for cell division detection and effective three-dimensional registration, which improve upon the state-of-the-art algorithms. We demonstrate the efficacy of our algorithm in terms of tracking accuracy and inference-time on a benchmark dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google