تقسيم الخلايا تحت المجهر عبر شبكات LSTM الإدراكية

تظهر سلاسل ميكروسكوب الخلايا الحية هياكل فضائية معقدة وسلوكًا زمنيًا معقدًا، مما يجعل تحليلها مهمة صعبة. عند النظر إلى مشكلة تقسيم الخلايا، والتي تلعب دورًا مهمًا في التحليل، يمكن التقاط الخصائص الفضائية للبيانات باستخدام شبكات العصب الاصطناعية المتلافهة (CNNs). تظهر الأساليب الحديثة نتائج واعدة في التقسيم باستخدام مُشفِّرات ومُفكِّرات متلافهة مثل U-Net. ومع ذلك، فإن هذه الطرق محدودة بسبب عدم قدرتها على دمج المعلومات الزمنية، التي يمكن أن تسهل تقسيم الخلايا المتجاورة أو الخلايا التي تكون مرئية جزئيًا. لاستغلال الديناميكيات الخلوية، نقترح معمارية تقسيم جديدة تدمج ذاكرة LSTM المتلافهة (C-LSTM) مع U-Net. يسمح بنية الشبكة الفريدة لها بالتقاط الترميز الزماني والمكاني المضغوط والمتنوع في نطاقات ذاكرة C-LSTM. تم تقييم الطريقة على تحدي تتبع الخلايا وأحرزت نتائجًا رائدة (المرتبة الأولى على مجموعة بيانات Fluo-N2DH-SIM+ والثانية على مجموعة بيانات DIC-C2DL-HeLa). الرمز متاح بشكل مجاني على الرابط: https://github.com/arbellea/LSTM-UNet.git