当前位置：    新闻动态   2023   A Novel Deep Learning Approach Featuring Graph-Based Algorithm for Cell Segmentation and Tracking

 

A Novel Deep Learning Approach Featuring Graph-Based Algorithm for Cell Segmentation and Tracking

2023年11月01日

魏彦杰团队在（The IEEE International Conference on Bioinformatics and Biomedicine，BIBM）2023会议上发表了题为“A Novel Deep Learning Approach Featuring Graph-Based Algorithm for Cell Segmentation and Tracking”的文章，提出了一种新的基于图追踪与深度学习方法，用于显微镜图像中的细胞的分割和追踪。

随着生物医学领域的发展，显微镜图像序列中细胞的精确分割和追踪在研究中起着关键作用，促进了组织、器官和生物体发育的研究。然而，手动分割和追踪细胞是耗时的，而且往往需要专业经验。此外，在低信噪比的图像中分割细胞仍然很困难。虽然深度学习（DL）已经成为一种常用的细胞分割方法，但很少有基于DL的方法同时解决并行细胞分割和追踪问题。针对该问题，魏彦杰团队提出了一种新的DL方法，并基于图结构进行细胞分割和显微镜细胞图像的追踪。方法将Deeplabv3+用于语义分割，ResNet50用于增强特征提取，实现全面的细胞检测和实例分割。后处理，包括非最大抑制和离群值检测，同时根据追踪结果改进预测并产生最终的分割。该追踪方法是基于图节点的相对位置来追踪连续帧细胞，包括细胞分裂和凋亡。同时本方法在诱导多能干细胞（iPS）细胞数据集上进行了实验，结果表明，与基准模型相比，该方法的分割和追踪具有更好的性能。在iPS的两个数据集上DET值达到0.955和0.913，TRA值分别为0.951和0.906，SEG值为0.690和0.665。此外，性能评估还用到了来自细胞追踪挑战（CTC）的四个真实的显微图像数据集，验证了方法在CTC数据集上的可转移性，本方法可以极大的降低人工标记的成本。