세포 검출 및 추적은 생물 분석에서 매우 중요합니다. 최근의 접근 방식은 모델 진화에 의한 추적 패러다임을 기반으로 하며, 이는 일반적으로 프레임에서 세포를 검출하고 추적하기 위해 엔드투엔드 딥 러닝 모델을 훈련시키는 것으로 구성되며 유망한 결과를 보여주고 있습니다. 그러나 이러한 방법은 주석이 달린 대규모 데이터가 필요하며, 이를 얻는 것은 시간이 많이 소요되고 종종 전문 주석 작성자가 필요합니다. 본 연구에서는 주석이 달린 데이터의 요구를 완화하는古典的追跡-검출 패러다임을 기반으로 하는 새로운 접근 방식을 제안합니다. 구체적으로, 세포 형태를 회전 타원으로 근사 처리하고, 이후 일반적인 목적의 회전 객체 검출기를 사용하여 각 프레임에서 세포를 식별합니다. 그런 다음, 시간적 세포 유사성을 확률 거리 측정법을 사용하여 탐색하는 전역 데이터 연관 알고리즘에 의존합니다. 여기서 타원은 2차원 가우시안 분포와 관련되어 있다는 점을 고려하였습니다. 우리의 결과는 우리의 방법이 상당히 더 많은 주석 데이터가 필요한 최신 기술과 경쟁할 수 있는 검출 및 추적 결과를 얻을 수 있음을 보여줍니다. 우리의 코드는 다음 링크에서 확인할 수 있습니다: https://github.com/LucasKirsten/Deep-Cell-Tracking-EBB.注：在“古典的追跡-検出 패러다임”部分，由于“古典的”一词在韩文中没有直接对应的词汇，因此使用了“기본적인”（基本的）来替代，以确保句子的流畅性和准确性。如果需要保留“古典的”这一表述，请告知我，我可以调整为“고전적인 추척-검출 패러다임”。