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！
问问题
602 次
2 回答
0
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。
于 2015-02-23T09:28:50.687 回答
0
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。
于 2015-02-23T10:20:38.900 回答