编辑推荐：
在细胞研究领域，手动细胞追踪耗时且重复性差，自动追踪受细胞特性及成像技术限制。研究人员开展了名为 CSTQ（Cell Segmentation Tracking and Quantification）的细胞分割和追踪方法研究。结果显示该方法性能出色，对多种细胞和成像技术具有普适性，有助于疾病研究和药物开发。
在生命科学的微观世界里，细胞如同一个个神秘的 “小精灵”，它们的一举一动都蕴含着生命的奥秘。细胞运动的监测与追踪，对于我们理解疾病发生发展的机制，以及评估各种治疗手段的效果，有着举足轻重的意义。比如在癌症的发展过程中，癌细胞的迁移在肿瘤转移的各个阶段都起着关键作用。通过量化细胞周期的进展，科研人员能够深入了解药物治疗的效果，这也为精准医疗的发展提供了重要依据。而在组织工程和干细胞制造领域，对干细胞增殖的准确量化同样离不开对细胞运动的监测。
以往，科研人员常用延时光学显微镜技术来研究细胞迁移，其中荧光显微镜、相差（PhC）显微镜和微分干涉对比（DIC）显微镜是最常见的工具。然而，传统的手动细胞追踪方式就像是一场 “马拉松”，不仅耗费大量时间，而且由于不同实验人员操作的差异，导致其重复性很差。随着科技的发展，自动细胞追踪技术应运而生，但它也面临着诸多挑战。细胞的形状、大小、强度分布各不相同，不同显微镜技术产生的细胞对比度也存在差异，再加上时空分辨率的限制以及图像中噪声的干扰，使得开发一种通用的基于计算机的细胞追踪工具成为科研领域亟待解决的难题。
在这样的背景下，美国特拉华州立大学（Delaware State University）的研究人员 Nagasoujanya Annasamudram、Jian Zhao 等人开展了一项关于细胞分割和追踪的研究。他们提出了一种名为 CSTQ（Cell Segmentation Tracking and Quantification）的通用方法，该方法能够应用于多种类型的细胞和显微镜成像技术。研究结果表明，CSTQ 在细胞分割、检测和追踪方面表现出色，与其他优秀技术相比具有很强的竞争力，并且对不同类型和大小的细胞，以及多种成像技术都具有良好的普适性。这一研究成果发表在《Scientific Reports》上，为细胞研究领域带来了新的曙光。
为了开展这项研究，研究人员运用了多种关键技术方法。在细胞分割和检测阶段，首先通过求解耦合偏微分方程进行时空各向异性扩散，生成多尺度扩散帧图。接着利用时空兴趣点（Feature）探测器、时空矩、时空 Hessian 等方法检测细胞特征。通过计算运动位移向量场来获取细胞的运动信息，并以此为基础进行自动尺度选择，确定最适合细胞检测和分割的图像尺度。在机器学习细胞检测环节，使用 DBSCAN（Density-Based Spatial Clustering of Applications with Noise）算法平衡细胞和非细胞区域的类别，减少分类偏差，进而训练神经网络模型。在细胞追踪阶段，则采用图优化技术，包括双帧细胞匹配、构建细胞轨迹和细胞事件检测。
研究人员对 CSTQ 方法的性能进行了全面评估，具体结果如下：
- 数据集评估：利用 4 个荧光（Fluo）显微镜数据集和 2 个相差（PhC）显微镜数据集进行训练和测试。这些数据集涵盖了不同类型的细胞，如大鼠间充质干细胞（Fluo-C2DL-MSC）、宫颈癌细胞（Fluo-N2DL-HeLa）等，它们在噪声水平、细胞密度、分辨率等方面存在差异。参考标签集包含稀疏的金标准（GT）和密集的银标准（ST）参考数据集，为评估提供了全面的依据。
- 性能评估指标：采用 Dice 相似系数（DSC）、Jaccard 指数，以及 CTC 实现的 SEG、DET 和 TRA 指标来评估细胞分割、检测和追踪的性能。其中，SEG 用于衡量测试数据与参考数据的 Jaccard 指数；DET 通过比较算法生成的无向图节点与参考掩码的无向图节点来计算检测准确率；TRA 则基于比较测试和参考追踪方法产生的无向有向图来评估。
- CTC 训练数据结果：在 CTC 训练数据上，用每个数据集的序列 01 训练前景 / 背景分类器，在序列 02 上进行分割和追踪。结果显示，Jaccard-ST 平均率为 0.741，SEG-ST 平均率为 0.785，SEG-GT 平均率为 0.729，DET-GT 平均率为 0.895，TRA-GT 平均率为 0.881。不同数据集上的结果表明，该方法在各种细胞类型和成像条件下都能取得较好的效果。
- CTC 挑战数据结果：将方法的代码和结果提交到 CTC，由挑战组织者计算评估性能指标。在所有测试序列上，该方法的平均 SEG 为 0.738，平均 TRA 为 0.895，在多个数据集上排名靠前，尤其在 Fluo-C2DL-MSC 数据集上，SEG 和 TRA 性能达到最佳。
- 外部数据集评估：为了评估方法的普适性，研究人员在组织工程研究相关的外部数据集上进行测试。结果显示，该方法在分割和追踪细胞及微型机器人方面表现出良好的准确性，能够满足实际应用的需求。
在研究结论和讨论部分，研究人员指出，通过对不同数据集的评估，CSTQ 方法在各种复杂的细胞成像条件下都能展现出良好的性能，这表明其具有很强的普适性。尽管在高细胞密度等情况下，计算时间会增加，并且可能存在过分割导致的细胞有丝分裂事件误判等问题，但通过在细胞匹配阶段增加更多特征，有望解决这些问题，不过这也会增加计算成本。总的来说，CSTQ 方法的提出为细胞研究提供了一种强大的工具，对于癌症诊断、药物开发和个性化医疗等领域具有重要的意义。它能够帮助科研人员更准确地观察和分析细胞的行为，为深入了解疾病机制和开发更有效的治疗方法奠定了坚实的基础。
