要約
細胞検出と追跡はバイオ分析において極めて重要です。最近の手法では、モデル進化による追跡（tracking-by-model evolution）パラダイムが採用されており、通常はエンドツーエンドの深層学習モデルを訓練して、フレーム上の細胞を検出して追跡します。この方法は有望な結果をもたらしていますが、大量のアノテーションデータが必要であり、その取得には時間がかかり、しばしば専門的なアノテーターを必要とします。本研究では、アノテーションデータの要件を軽減する新しいアプローチとして、古典的な検出による追跡（tracking-by-detection）パラダイムに基づく手法を提案します。具体的には、細胞形状を向きを持つ楕円（oriented ellipses）として近似し、汎用的な向き対応物体検出器を使用して各フレーム内の細胞を識別します。その後、時間的な細胞の類似性を探求するために確率距離指標を使用するグローバルデータ関連アルゴリズムに依存します。ここで重要なのは、これらの楕円が2次元ガウス分布に対応することです。我々の結果は、本手法が大量のデータアノテーションを必要とする最先端技術と競合する検出および追跡結果を得られることを示しています。本研究のコードは以下のURLで公開されています：https://github.com/LucasKirsten/Deep-Cell-Tracking-EBB.