我正在尝试实现来自荧光成像的神经元/轴突数据的 3D 分割和跟踪算法。我研究了分水岭算法、活动轮廓、OTSU 阈值,但无法决定采用哪种算法。此外,在不同帧之间进行跟踪的最佳方法是什么,特别是因为这些细胞体移动,有时甚至相互重叠?
我将使用 python 库来做到这一点。我正在考虑使用 Mahotas 来实现,因为它具有高效的 C++ 实现。此外,我将使用 vispy 进行可视化。非常感谢!
我正在尝试实现来自荧光成像的神经元/轴突数据的 3D 分割和跟踪算法。我研究了分水岭算法、活动轮廓、OTSU 阈值,但无法决定采用哪种算法。此外,在不同帧之间进行跟踪的最佳方法是什么,特别是因为这些细胞体移动,有时甚至相互重叠?
我将使用 python 库来做到这一点。我正在考虑使用 Mahotas 来实现,因为它具有高效的 C++ 实现。此外,我将使用 vispy 进行可视化。非常感谢!
没有看到任何参考图像很难回答。这不是一个简单的问题,因此我建议您查看在各个领域进行的研究。
我可以推荐http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5495143,其中在本地路径查找中使用 Hessian 分割 3D 神经突。
有关用于分割 3D 结构(例如,MRI 图像中的血管)的 Hessian 的更多信息,请参见http://liu.diva-portal.org/smash/get/diva2:302939/FULLTEXT01.pdf。
我希望这会有所帮助。
我同意没有一种“最好”的算法,什么对你有效,很大程度上取决于数据的种类、工件的种类、最终结果所需的准确性等。
但是,由于您提到了跟踪,因此想到的算法是最小成本路径方法。它在 scikit-image 中可用。它可以很好地跟踪细长结构(线状)。如果您的意思是在不同的帧中跟踪,MCP 可能意义不大。