摘要

细胞检测与跟踪在生物分析中至关重要。近期的方法通常依赖于基于模型演化的跟踪范式，该范式通常包括训练端到端的深度学习模型以检测和跟踪图像帧中的细胞，取得了令人鼓舞的结果。然而，这些方法需要大量的标注数据，获取这些数据既耗时又往往需要专门的标注人员。本研究提出了一种基于经典检测跟踪范式的新方法，减轻了对标注数据的需求。具体而言，该方法将细胞形状近似为定向椭圆，然后使用通用的定向目标检测器来识别每一帧中的细胞。随后，我们依赖一种全局数据关联算法，该算法利用概率距离度量探索细胞在时间上的相似性，考虑到这些椭圆对应于二维高斯分布。实验结果表明，我们的方法能够在显著减少数据标注的情况下，实现与现有先进技术相当的检测和跟踪效果。我们的代码已发布在：https://github.com/LucasKirsten/Deep-Cell-Tracking-EBB。