3D+t sejtgráf-kutatás

Hangoljuk a detekciót és a követést ugyanarra a célfüggvényre.

Állítsd a sejtsűrűséget, a mozgást, a detektor hibáit és a linkelési kaput. A szimuláció megmutatja, hogyan változik az él-, az osztódási és a kombinált pontszám.

score = adjusted edge Jaccard + 0,1 × division Jaccard

Interaktív labor

Tracking-szimuláció

Valódi sejt Illesztett predikció Hamis predikció Prediktált pálya

Kombinált score 0,000 Sűrű ground-truth közelítés

Adjusted edge Jaccard 0,000 TP 0 · FP 0 · FN 0

Division Jaccard 0,000 TP 0 · FP 0 · FN 0

Prediktált / valódi node 0,00× Node-büntetés: 1,000×

Célzott valós minta

Mit mutat az első EDA?

Kaggle versenyoldal ↗

Annotációs lefedettség 0,202%

52 címkézett pont a 25 755 becsült teljes csomópontból.

Medián mozgás 2,883 µm

A 95. percentilis 6,292 µm, a maximum 7,814 µm.

Voxelméret z : xy 4 : 1

A `(1,4,4)` pooling közel izotróp munkateret ad.

Képkockánkénti eltolódás

A p99 intenzitás közel 25%-ot változott

Az abszolút küszöb helyett képkockánkénti kvantilisnormalizálást érdemes tesztelni.

Lezárt és folyamatban lévő hipotézisek

Kontrollált kísérleti eredmények

3 lezárt · 1 folyamatban

Korábbi H1 · anizotrópia-korrekció

A `(1,4,4)` pooling aggregáltan támogatott

Feltételesen támogatott

Két külön embrió teljes mintáján, 913 annotált node-on és 895 élen hasonlítottuk össze a nyers, `(1,2,2)` és `(1,4,4)` reprezentációt.

Gyorsulás · p90 6,10×

82,29 s → 13,49 s

Gyorsulás · p95 6,81×

83,44 s → 12,26 s

Adjusted edge J · p90 +0,0120

0,7937 → 0,8056

Adjusted edge J · p95 +0,0134

0,7954 → 0,8088

Lezárási döntés

A `(1,4,4)` pooling marad a gyors detektálási reprezentáció. A sebességelőny mindkét embrión erős volt, de az end-to-end tracking nem egyenletes; ezt külön linker- és adaptív pooling-hipotézisek vizsgálják.

Korábbi H1 · kvantilisnormalizálás

Az általános stabilitási állítás nem igazolt

Nem igazolt

Két embrió 200 képkockáján, azonos teljes node-budget és tracker mellett vetettük össze az abszolút küszöböt a képkockánkénti robusztus kvantilisskálázással.

Fényerőkapcsolat · 50% budget −65,2%

0,730 → 0,254

Fényerőkapcsolat · 65% budget −75,4%

0,483 → 0,119

Frame-változás · 50% budget +15,0%

0,040 → 0,046

Frame-változás · 65% budget +9,7%

0,031 → 0,034

Lezárási döntés

A kvantilisskálázás fényerő-invariáns előfeldolgozásként megtartható, és az edge recall nem romlott. A képkockaközi ingadozást azonban nem csökkentette, ezért a temporális stabilitást külön trend- és sűrűségfüggő küszöbvezérlővel vizsgáljuk tovább.

Korábbi H1 · node-budget kalibráció

A kalibráció számít, de az optimum embriófüggő

Részben támogatott

Két embrió 200 képkockáján 25–80% között söpörtük a becsült node-számhoz viszonyított budgetet, változatlan detektorral és 9 µm-es trackerrel.

`44b6` optimum 35%

Adjusted edge J = 0,8326

`6bba` optimum 65%

Adjusted edge J = 0,8179

Robusztus fix alapérték 50%

Legrosszabb embrió: 0,7422

Hivatalos súlyozott optimum 65%

Adjusted edge J = 0,8097

Lezárási döntés

A 0,8–1,1 node-ratio cél nem igazolódott, és nincs egyetlen embriófüggetlen optimum. Fix kiindulópontként 50%-ot használunk; következőként a budgetet és a trackingkaput közös rácsban kalibráljuk.

Lezárt H1 · tracking jelöltkapu

A 9–10 µm-es állítás nem igazolt

Vizsgált · nem támogatott

Claude 120 kontrollált futásban ugyanazokon a detekciókon csak a trackingkaput változtatta. A 12 tárolt referenciaél-halmaz bitazonosan reprodukálható volt, és minden invariáns teljesült.

Legjobb mért fix kapu 8 µm

12/12 beállításban jobb volt 7 µm-nél

9 µm kontra 7 µm −0,0147

Összesített nyers edge J változás

10 µm kontra 7 µm −0,0809

Összesített nyers edge J változás

Független embrió 2

A 12 beállítás nem 12 független minta

Lezárási döntés

A 9–10 µm-es sáv nem igazolt, ezért H1 lezárult. A 8 µm ideiglenes, alacsony kockázatú üzemi alapérték, de a külön U-Net-kontrollban a legrosszabb embrió szerint 7 µm nyert: nincs még univerzális fix optimum.

Aktív H1 · embrió-szintű validáció

A random frame-split erősen optimista

Helyileg támogatott · LB-újrabeadásra kész

A lezárt node-budget predikciókon ugyanazt a paraméterválasztást hasonlítottuk össze véletlen frame-foldokon és teljes embriót kizáró foldokon.

Random frame-CV 0,8097

Mind az 5 fold 65%-ot választott

Embryo-held-out CV 0,6089

Másik embrióra átvitt választás

Frame-split optimizmus +0,2008

Adjusted edge Jaccard

Embrióátfedés 0

Kötelező GroupKFold-protokoll

Leaderboard-protokoll 5 variáns kész

7/8/9/10/12 µm · szigorúan validált CSV-k

Közbenső döntés

Modell- és hiperparaméter-választásra kizárólag a leave-one-embryo-out séma használható. Az első öt leaderboard-futás izolált node-ok miatt formátumhibás volt, ezért nem számít bizonyítéknak. A javított fájlok nulla izolált node-dal készen állnak a következő napi kvótára; H1 addig aktív marad.

Újraszámozott aktív backlog

Huszonhárom nyitott hipotézis

A trackingkapu H1 lezárása után újraszámoztuk a backlogot. A lista végén öt, Claude eredményeiből származó linker-hipotézis áll.

Azonnal mérendő

H1
Embrió-szintű validáció
Helyileg támogatott: 0,8097 frame-CV kontra 0,6089 embrió-held-out. Öt javított, validált gate-variáns újrabeadása következik.
H2
Baseline konvergencia
A hivatalos U-Net + transformer hosszabb tanítása alacsony kockázatú javulást adhat.

Nagy várható hatás

H3
Unlabeled-ignore heatmap
A nem annotált hátteret figyelmen kívül hagyó loss jobb lehet a naiv negatív címkézésnél.
H4
Tanár–diák pszeudocímkézés
A megbízható pszeudocímkék növelhetik a recallt elfogadható node-budget mellett.
H5
Mozgásprioros linkelés
A sebesség- és szomszédsági prior csökkentheti a sűrű régiók ID-cseréit.
H6
Globális min-cost-flow
A globális gráfoptimalizálás jobb lehet a képkockánkénti Hungarian linkelésnél.
H7
Szubvoxel centroidfinomítás
A tanult offset head javíthatja a 7 µm-es node matchinget.
H8
Adaptív detektálási küszöb
Az embrió-, sűrűség- és trendfüggő vezérlés jobb lehet egyetlen globális küszöbnél.

Célzott pontszerzés és robusztusság

H9
Külön division head
A konzervatív osztódási fej javíthatja a division score-t az élek rontása nélkül.
H10
±1 frame division-window
Az időablakos pozitív címkék jobban illeszkedhetnek a hivatalos metrikához.
H11
Egyképkockás gap closing
Egy kihagyott képkocka áthidalása növelheti az edge recallt valódi occlusion esetén.
H12
Detektor-fúzió
A klasszikus peak, U-Net heatmap és TTA jelöltjeinek egyesítése növelheti a recallt.
H13
Rövid-track szűrés
Az izolált és 1–2 frame hosszú pályák eltávolítása javíthatja a node-budgetet.
H14
12 órás pipeline
Az int8/fp16 és chunk-streaming pontvesztés nélkül tarthatja a notebookkorlátot.

ÚJ

A lezárt pooling-vizsgálatból

H15
Natív felbontású linker-finomítás
A pooled detekciók natív koordináta- és feature-finomítása helyreállíthatja a `44b6` edge-score-ját legalább 4× gyorsulás mellett.
H16
Adaptív poolingfaktor
Az embrió vagy sűrűség alapján választott `(1,2,2)`/`(1,4,4)` faktor jobb lehet egyetlen fix beállításnál.

ÚJ

A lezárt normalizálási vizsgálatból

H17
Temporális küszöbvezérlés
Az EMA- vagy hiszterézis-alapú küszöbvezérlő csökkentheti a frame-ek közötti node-count ingadozást edge-recall veszteség nélkül.

ÚJ

A lezárt node-budget vizsgálatból

H18
Közös budget × trackingkapu kalibráció
A node-budget és a trackingkapu közös rácsa jobb és embrió-stabilabb eredményt adhat, mint a két paraméter külön optimalizálása.

ÚJ

A lezárt trackingkapu-vizsgálatból

H19
Sűrűségadaptív trackingkapu
A képkockán belüli legközelebbi-szomszéd távolságból számolt kapu embrió-stabilabb lehet bármely fix értéknél.
H20
Tág kapu + precíziós utószűrés
A recallt megőrző tág kapu után kölcsönös legközelebbi és távolság-alapú élszűrés csökkentheti az FP-ket.
H21
Véges nem-linkelési költség
A big-M hozzárendelés dummy-oszlopos véges költségre cserélése megszüntetheti a kapuválasz nem monotonitását.
H22
Trackingkapu × osztódás
A kapu és az osztódási kör kölcsönhatása eltérítheti a teljes pontszám optimumát az éloptimumtól.
H23
Több-embriós kapumegerősítés
Tizenkét–húsz független GT-mintán dönthető el, van-e gyakorlatilag is megkülönböztethető fix kapu.