概述
这项工作的目标是自动识别和跟踪单个HeLa(人类上皮腺癌)细胞在一个延时序列中,例如一个显示并标记每个细胞每次的细胞周期阶段点。有关细胞周期阶段和所用图像的更多详细信息可以找到在这里.
细胞检测与跟踪
用于跟踪的方法是一个两阶段系统,首先检测通过分割图像,然后使用最近的邻居匹配。用于细分和跟踪罐被找到在这里.
时间模型
我们将新轨迹中的帧标记为细胞阶段的方法周期基于将轨道信号与已知参考信号对齐过渡时间,从带注释的训练数据中学习。这是使用动态时间扭曲(如图所示(见下文)、隐马尔可夫模型和半马尔科夫模型。这些模型的详细信息可以找到在这里.
结果
数据由54个图像序列组成,分成两个相等的分区用于培训和测试。所有有丝分裂细胞的轨迹显示这些相位中至少有3个相位被收集起来,形成一组119个轨道,61英寸训练集和测试集中的58个。
生成分阶段的帧分类混淆矩阵标记所有帧后的每个测试序列。平均每类准确度然后计算为混淆矩阵对角线的平均值相对于帧间分类精度而言,度量更可取以出现的相间框架的正确分类为主大约比数据中第二个最频繁的阶段多10倍。
在过渡的情况下,也要测量分类精度边界允许在其真实位置的1帧和2帧内。DTW和HMM方法的混淆矩阵如下所示。
DTW公司
隐马尔可夫模型
有丝分裂期的预测持续时间(测试集上的平均值)也与基本事实进行比较持续时间(注意:对于集合中的大多数序列,帧为5分钟间隔):
|
预计(分钟) |
基本事实(分钟) |
前期 |
19.25 |
19.52 |
前中期 |
58.24 |
63.95 |
中期 |
26.95 |
21.17 |
后期 |
15.53 |
14.18 |
输出格式示例
1.输出视频
追踪细胞,边界框由有丝分裂期彩色编码。
2.简介视频
有丝分裂细胞暂时与用户定义的转变对齐,例如子细胞在这里分裂。(受到启发通过普里奇、拉夫·阿查和佩莱2006).
3.基于浏览器
两个基于浏览器的工具,用于查看结果。第一个节目是裁剪过的检测到的细胞的图像,第二个显示了有丝分裂期。可以查看所有帧中的所有单元格原始视频,或仅针对有丝分裂细胞用户定义的转换。
图像:起初的 对齐的
时间表:起初的 对齐的
4.电子表格
时间轴输出也可以CSV格式提供,以便进一步分析(右键单击“将目标另存为…”并用Excel打开)。
CSV文件:起初的 对齐的
出版物
A.El-Labban,A.齐瑟曼,丰田章男,A.W.伯德,A.海曼
显微图像分析及其在生物学中的应用,2011年
A.El-Labban,A.齐瑟曼,丰田章男,A.W.伯德,A.海曼
2012年IEEE国际生物医学成像研讨会
致谢
这项工作得到了欧盟ERC的资助VisRec编号228180.
这项工作是与海曼实验室马克斯·普朗克分子细胞研究所生物学和遗传学。