基于结构化预测的细胞跟踪方法

• 作者: 万九卿 陈旭
• 来源期刊: 自动化学报
• 关键词: 细胞跟踪 结构化预测 结构化学习 Block-coordinate Frank-Wolfe算法
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 376-389
• 页数: 14页
• 字数: 13612字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160039

摘要

提出一种新的多细胞联合检测与跟踪方法,通过椭圆拟合构建细胞观测假说的完备集合,定义了多种局部事件来描述细胞的行为以及检测阶段可能出现的错误.通过引入相应的标签变量,将细胞跟踪建模为结构化预测问题,通过求解一个带约束的整数规划问题得到细胞轨迹的全局最优解.针对结构化预测模型中的参数学习问题,本文采用Block-coordinate Frank-Wolfe优化算法根据给定的训练样本求解模型的最优参数,同时给出了该算法的非线性核化版本.本文在多个公开数据集上对提出的算法进行了验证,结果表明,本文的实验表现相比于传统算法有着显著的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万九卿	北京航空航天大学自动化科学与电气工程学院	19	151	9.0	12.0
2	陈旭	北京航空航天大学自动化科学与电气工程学院	6	24	3.0	4.0