[論文レビュー] Globally Optimal Cell Tracking using Integer Programming

Engin Türetken, Xinchao Wang+3 more|arXiv (Cornell University)|Jan 22, 2015

Advanced Vision and Imaging参考文献 40被引用数 6

ひとこと要約

本論文は、階層的楕円フィッティングを用いて過剰な検出仮説を生成することで、タイムラプス顕微鏡画像において細胞を同時に検出・追跡する、整数計画法を用いたグローバル最適な細胞追跡手法を提案する。追跡を単一タイプのフロー変数として定式化することにより、遮蔽のヒューリスティックな処理を排除し、特に凝集した細胞群のシーケンスにおいて、検出、分裂、追跡の精度で最先端の手法を上回る性能を達成する。

ABSTRACT

We propose a novel approach to automatically tracking cell populations in time-lapse images. To account for cell occlusions and overlaps, we introduce a robust method that generates an over-complete set of competing detection hypotheses. We then perform detection and tracking simultaneously on these hypotheses by solving to optimality an integer program with only one type of flow variables. This eliminates the need for heuristics to handle missed detections due to occlusions and complex morphology. We demonstrate the effectiveness of our approach on a range of challenging sequences consisting of clumped cells and show that it outperforms state-of-the-art techniques.

研究の動機と目的

• 遮蔽、重なり、複雑な形態が原因で検出が不安定になるタイムラプス画像における細胞追跡の課題に対処すること。
• 遮蔽による誤検出のヒューリスティックな処理を排除し、グローバル最適な解決策を定式化すること。
• 検出と追跡を統合的なフレームワークで同時に最適化することで、細胞分裂のようなレアイベントの追跡精度を向上させること。
• 階層的楕円フィッティングアルゴリズムを用いて、曖昧なセグメンテーション出力を複数の競合する検出仮説に変換し、頑健性を向上させること。

提案手法

• 過剰にセグメンテーションされた細胞領域から抽出したコンタールーブ（contourlets）に楕円フィッティングを施し、階層的凝集型クラスタリングアルゴリズムを用いて過剰な検出仮説の集合を生成する。
• 細胞のイベント（移動、分裂、死滅）を整数計画法における単一タイプのフロー変数としてモデル化することで、全時間系列にわたるグローバル最適化を可能にする。
• 検出と追跡を最小限の変数および制約の複雑さで定式化するため、制約付きベイジアン推論を用いて整数計画法に定式化する。
• 画像の証拠を全時間フレームに同時に統合することで、局所的またはペアワイズな意思決定ではなく、グローバル最適化を実現する。
• 固定された分裂確率に依存しないように、分類器コストを学習し、階層的仮説構造を保持することで、依存性を排除する。
• 整数計画問題を最適に解くことで、グローバルに一貫した軌道と検出割り当てを保証する。

実験結果

リサーチクエスチョン

• RQ1 遮蔽のヒューリスティック処理に依存せずに、検出と追跡を統合的に処理するグローバル最適な追跡フレームワークを設計できるか？
• RQ2 曖昧なセグメンテーション出力を、頑健性を向上させる複数の競合する検出仮説に変換する方法は何か？
• RQ3 単一タイプのフロー変数を用いた統合的整数計画法は、複雑なマルチ変数定式化を上回る性能を発揮するか？
• RQ4 コンタールーブからの階層的楕円フィッティングは、凝集した細胞集団における検出と追跡精度をどのように向上させるか？
• RQ5 細胞分裂と軌道の一貫性の文脈において、フロー変数の整数制約の影響は何か？

主な発見

• 提案手法は、2015年および2016年Cell Tracking Challengeの最先端トレッカーを含む、すべての比較ベースラインにおいて最高の検出精度と分裂精度を達成した。
• HeLa-2シーケンスでは、緩和されたLP緩和（relaxed LP relaxation）と比較して2%のリcall低下を示したが、これは整数制約が高分裂状況において極めて重要であることを示している。
• CT [36]、JST [35]、KTH [25]、GMM [1] よりも、分裂および検出イベントにおいて優れた性能を発揮し、特に稀だが重要なイベントにおいて顕著な改善を示した。
• 最大800万変数を用いても、整数計画問題が4分未満（HeLa-2では232秒）で解けたことから、強力なスケーラビリティを示した。
• アブレーションスタディでは、時間的整合性を削除した（OURS-CL）または矛盾する仮説を許容した（OURS-NC）場合、精度が著しく低下した。これは最適化フレームワークの必要性を裏付けた。
• CTと同一の初期セグメンテーションを用いても、本手法は優れた性能を発揮した。これは、検出と追跡を同時に最適化する統合フレームワークが、逐次的処理に比べて顕著な利点を提供することを示している。