[論文レビュー] Tracking Tetrahymena Pyriformis Cells using Decision Trees

Quan Wang, Yan Ou+3 more|arXiv (Cornell University)|Jul 13, 2012

Microbial Community Ecology and Physiology参考文献 4被引用数 3

ひとこと要約

本稿では、空間的・強度的・複合的特徴を組み合わせた23次元の特徴差分ベクトルを計算し、修正されたハンガリアン法を用いて割り当てを解消することで、高速移動するTetrahymena pyriformis細胞のリアルタイムセルトラッキング手法を提案する。決定木を用いてフレーム間のセル関連を分類することで、木の深さ8において1.37%という低誤分類率を達成し、遮蔽や外観変化に対しても頑健なトラッキングを実現する。

ABSTRACT

Matching cells over time has long been the most difficult step in cell tracking. In this paper, we approach this problem by recasting it as a classification problem. We construct a feature set for each cell, and compute a feature difference vector between a cell in the current frame and a cell in a previous frame. Then we determine whether the two cells represent the same cell over time by training decision trees as our binary classifiers. With the output of decision trees, we are able to formulate an assignment problem for our cell association task and solve it using a modified version of the Hungarian algorithm.

研究の動機と目的

• 高速移動し、形態的に類似した細胞のライブセル顕微鏡における正確なセルトラッキングの課題に取り組む。
• 遮蔽、重なり、時間経過に伴う外観変化によるセル関連の困難さを克服する。
• 正確な位置フィードバックを必要とするマルチセル制御システムに適したリアルタイムでスケーラブルなソリューションを開発する。
• 特徴差分ベクトル上で学習された意思決定木を用いて、セル関連を二値分類問題として定式化する。
• 分類器の出力を修正されたハンガリアン法に統合し、グローバル割り当て問題を効率的に解く。

提案手法

• 最初の20フレームにわたる中央値フィルタリングを用いた背景差分処理により、安定した背景画像を生成する。
• 連続するフレーム間の候補セル間で、空間的・強度的・複合的特徴を組み合わせた23次元の特徴差分ベクトルを抽出する。
• ラベル付きセルペアを用いて意思決定木（T1およびT2）を学習し、隣接フレーム内の2つのセルが同一セルであるか（f(v) = 1）を分類する。
• 「新規」および「重なり」関連用のダミー列を導入することで、未割り当てのセルや重複領域に対応する修正されたハンガリアン法を用いる。
• 動的かつ即時のセルリスト更新：関連結果および空間的近接性に基づき、アクティブ、新規、遮蔽中、境界外のステータスを割り当てる。
• 定速度予測を適用し、次のフレームにおけるセルの期待位置を推定し、差分ベクトルの最初の特徴として使用する。

実験結果

リサーチクエスチョン

• RQ1 外観変化や遮蔽が生じる時間分解能顕微鏡において、意思決定木がセル関連を効果的に分類できるか？
• RQ2 空間的・強度的・複合的特徴を組み合わせた特徴差分ベクトルは、真のセルマッチングと誤検出をどれほど効果的に区別できるか？
• RQ3 意思決定木分類と組み合わせた修正ハンガリアン法が、グローバル割り当ての正確性をどの程度向上させるか？
• RQ4 木の深さ、特徴の離散化、距離閾値といったハイパーパrameterに、トラッキング性能はどの程度感度を示すか？
• RQ5 本手法は、複雑な相互作用下でも、高速移動し、形態的に類似した細胞のリアルタイム性能と頑健性を発揮できるか？

主な発見

• 木の深さ8の意思決定木が、テストセットで1.37%という最低の誤分類率を達成し、浅い木や深い木を上回る性能を示した。
• 特徴差分ベクトルの23項目すべてが統計的に有意であり、分類性能に寄与していた。
• 修正されたハンガリアン法は、グローバル割り当てを効果的に解決し、新規セルや重複領域の処理も可能にし、トラッキングの一貫性を向上させた。
• 高い細胞密度、遮蔽、急激な移動が生じる状況下でも、本手法は図3に示す通り頑健なトラッキングを実現した。
• 微小なパrameter変更に対してもトラッキング結果が安定しており、ハイパーパrameterチューニングに対して低い感度を示した。
• 本システムは、磁気走性T. pyriformis細胞のフィードバック制御系への統合に適したリアルタイム性能を達成した。