TransientTrack:基于深度学习的瞬时荧光信号细胞追踪框架及其在单细胞化疗疗效分析中的应用
《IEEE Transactions on Materials for Electron Devices》:TransientTrack: Advanced Multi-Object Tracking and Classification of Cancer Cells with Transient Fluorescent Signals
【字体:
大
中
小
】
时间:2026年10月21日
来源:IEEE Transactions on Materials for Electron Devices
编辑推荐:
摘要:在时相成像视频中对细胞进行追踪是监测单细胞层面细胞群体动态的关键技术。现有的细胞追踪方法主要基于单一、恒定信号的视频开发,无法检测细胞死亡等关键事件。在此,我们提出TransientTrack,一种基于深度学习的细胞追踪框架,适用于具有随时间变化的瞬时荧光信号的多通道
摘要:
在时相成像视频中对细胞进行追踪是监测单细胞层面细胞群体动态的关键技术。现有的细胞追踪方法主要基于单一、恒定信号的视频开发,无法检测细胞死亡等关键事件。在此,我们提出TransientTrack,一种基于深度学习的细胞追踪框架,适用于具有随时间变化的瞬时荧光信号的多通道显微镜视频数据,这些信号可能随着细胞的昼夜节律等过程而波动。通过识别关键细胞事件——有丝分裂(细胞分裂)和细胞凋亡(细胞死亡),我们的方法能够构建完整的轨迹,包括细胞谱系信息。TransientTrack架构轻量,直接在细胞检测嵌入上执行匹配,无需量化追踪专用的细胞特征。此外,我们的方法融合了Transformer网络、使用所有检测框的多阶段匹配以及基于卡尔曼滤波的缺失轨迹插值。这一统一框架在多种条件下均表现出强大的性能,能够有效追踪细胞并捕捉细胞分裂与死亡事件。我们展示了TransientTrack在单细胞水平上分析化疗药物疗效的应用。该框架有望进一步推动癌细胞动态的定量研究,实现对治疗反应和耐药机制的详细表征。代码可在https://github.com/bozeklab/TransientTrack获取。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号