論文の概要: CHOTA: A Higher Order Accuracy Metric for Cell Tracking
- arxiv url: http://arxiv.org/abs/2408.11571v2
- Date: Wed, 4 Sep 2024 14:38:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 19:09:05.397131
- Title: CHOTA: A Higher Order Accuracy Metric for Cell Tracking
- Title（参考訳）: CHOTA: 細胞追跡のための高次精度メトリクス
- Authors: Timo Kaiser, Vladimir Ulman, Bodo Rosenhahn,
- Abstract要約: 現在の指標は、局所的な正当性と、世界的一貫性の弱さを好んでいる。
本稿では,細胞追跡のすべての側面を統一するCHOTAメトリクスを提案する。
CHOTAはすべてのトラッキングエラーに敏感であり,細胞の全系統を再構築する手法が生物学的に関連していることを示す。
- 参考スコア（独自算出の注目度）: 18.786142528591355
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The evaluation of cell tracking results steers the development of tracking methods, significantly impacting biomedical research. This is quantitatively achieved by means of evaluation metrics. Unfortunately, current metrics favor local correctness and weakly reward global coherence, impeding high-level biological analysis. To also foster global coherence, we propose the CHOTA metric (Cell-specific Higher Order Tracking Accuracy) which unifies the evaluation of all relevant aspects of cell tracking: cell detections and local associations, global coherence, and lineage tracking. We achieve this by introducing a new definition of the term 'trajectory' that includes the entire cell lineage and by including this into the well-established HOTA metric from general multiple object tracking. Furthermore, we provide a detailed survey of contemporary cell tracking metrics to compare our novel CHOTA metric and to show its advantages. All metrics are extensively evaluated on state-of-the-art real-data cell tracking results and synthetic results that simulate specific tracking errors. We show that CHOTA is sensitive to all tracking errors and gives a good indication of the biologically relevant capability of a method to reconstruct the full lineage of cells. It introduces a robust and comprehensive alternative to the currently used metrics in cell tracking. Python code is available at https://github.com/CellTrackingChallenge/py-ctcmetrics .
- Abstract（参考訳）: 細胞追跡結果の評価は, 追跡法の開発を主導し, 生体医学的研究に大きな影響を及ぼす。
これは評価指標によって定量的に達成される。
残念なことに、現在の測定基準は局所的な正確さを好んでおり、世界のコヒーレンスに弱い報酬を与えており、高いレベルの生物学的分析を妨げている。
また,グローバルコヒーレンスを育成するために,セル特異的な高次追跡精度 (CHOTA metric) を提案し,セル検出と局所的関連性,グローバルコヒーレンス,および系統追跡のすべての側面について評価を行った。
そこで我々は,全細胞系統を包含する「軌道」という用語を新たに定義し,一般的な複数物体追跡から確立されたHOTA尺度に含めることにより,これを実現した。
さらに、我々の新しいCHOTA測定値と比較し、その利点を示すため、同時代の細胞追跡指標を詳細に調査する。
すべてのメトリクスは、最先端のリアルタイムセル追跡結果と、特定のトラッキングエラーをシミュレートする合成結果に基づいて、広範囲に評価される。
CHOTAはすべてのトラッキングエラーに敏感であり,細胞の全系統を再構築する手法が生物学的に関連していることを示す。
セルトラッキングで現在使用されているメトリクスに対して、堅牢で包括的な代替手段が導入されている。
Pythonコードはhttps://github.com/CellTrackingChallenge/py-ctcmetricsで入手できる。
関連論文リスト
- Cell as Point: One-Stage Framework for Efficient Cell Tracking [54.19259129722988]
本稿では,一段階の効率的なセルトラッキングを実現するために,新しいエンドツーエンドCAPフレームワークを提案する。
CAPは検出またはセグメンテーション段階を放棄し、細胞点の軌跡間の相関を利用して細胞を共同で追跡することでプロセスを単純化する。
Capは強力なセルトラッキング性能を示し、既存の方法の10倍から55倍の効率を示している。
論文 参考訳（メタデータ） (2024-11-22T10:16:35Z) - Tracking one-in-a-million: Large-scale benchmark for microbial single-cell tracking with experiment-aware robustness metrics [0.0]
我々は、微生物ライブ細胞イメージング(MLCI)のための、最も公開かつ注釈付きデータセットを提示する。
このデータセットには、140万以上の細胞インスタンス、29万の細胞トラック、14万の細胞分裂が含まれている。
我々の新しいベンチマークは、実験パラメータが追跡品質に与える影響を定量化し、新しいデータ駆動手法を開発する機会を与える。
論文 参考訳（メタデータ） (2024-11-01T13:03:51Z) - Trackastra: Transformer-based cell tracking for live-cell microscopy [0.0]
Trackastraは、単純なトランスフォーマーアーキテクチャを使って、細胞同士の相互関連を学習する汎用的な細胞追跡手法である。
我々の追跡手法は、高度に調整された最先端の細胞追跡アルゴリズムに匹敵する性能を示す。
論文 参考訳（メタデータ） (2024-05-24T16:44:22Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。
異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。
特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文 参考訳（メタデータ） (2024-02-20T11:50:27Z) - Cell Tracking-by-detection using Elliptical Bounding Boxes [0.0]
本研究は,古典的トラッキング・バイ・検出パラダイムに基づく新しいアプローチを提案する。
細胞形状を指向性楕円体として近似し、汎用指向性物体検出器を用いて各フレーム内の細胞を識別する。
提案手法は,最先端技術と競合して検出・追跡できることを示す。
論文 参考訳（メタデータ） (2023-10-07T18:47:17Z) - Cell tracking for live-cell microscopy using an activity-prioritized
assignment strategy [0.9134244356393666]
細胞追跡は、分裂パターンや伸長率などの単一細胞の特徴を決定するために、ライブセルイメージングにおいて必須のツールである。
微生物のライブ細胞実験では、細胞は時間とともに成長し、移動し、分裂し、単層構造に密に詰め込まれた細胞コロニーを形成する。
そこで本研究では, 成長する細胞に近接する活性優先の細胞追跡手法と, 母細胞の分裂を娘に割り当てる解法とから, 高速優先の細胞追跡手法を提案する。
論文 参考訳（メタデータ） (2022-10-20T17:40:31Z) - Tracking Every Thing in the Wild [61.917043381836656]
我々は,新しい測定基準であるTrack Every Thing Accuracy(TETA)を導入し,測定結果を3つのサブファクター(ローカライゼーション,アソシエーション,分類)に分割する。
実験の結果、TETAはトラッカーをより包括的に評価し、TETerはBDD100KとTAOに挑戦する大規模データセットを大幅に改善することがわかった。
論文 参考訳（メタデータ） (2022-07-26T15:37:19Z) - Transforming Model Prediction for Tracking [109.08417327309937]
トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。
提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。
我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
論文 参考訳（メタデータ） (2022-03-21T17:59:40Z) - Limitation of Acyclic Oriented Graphs Matching as Cell Tracking Accuracy
Measure when Evaluating Mitosis [7.076682006232971]
aogm(acyclic oriented graphs matching)は、セルトラッキングのデファクト標準評価指標として用いられてきた。
本稿では,シミュレーションデータと実細胞追跡データの両方を用いて,AOGMによるミトーシス評価の限界を示す。
論文 参考訳（メタデータ） (2020-12-22T15:25:47Z) - HOTA: A Higher Order Metric for Evaluating Multi-Object Tracking [48.497889944886516]
マルチオブジェクト追跡(MOT)は評価が難しいことで知られている。
以前のメトリクスは、検出または関連性の重要性を過度に強調します。
本稿では, 正確な検出, 関連付け, 位置決めの両立を図った新しいMOT評価指標HOTAを提案する。
論文 参考訳（メタデータ） (2020-09-16T15:11:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。