TrackRefiner: A tool for refinement of bacillus cell tracking data
Notice bibliographique
Résumé
Abstract Motivation Single-cell resolution time-lapse microscopy of bacterial populations is a powerful tool for assessing cellular behavior and interaction dynamics. Realizing the full potential of this approach requires accurate image analysis: segmentation of individual cell objects, tracking of persistent cells from frame to frame, and connecting of mother cells to daughters when division events occur. In particular, accurate tracking is needed to produce longitudinal datasets for analysis of interactions and features that develop through time. Tracking is challenging when populations are densely packed or when cells undergo significant motion between frames. The leading software packages struggle to provide accurate data in such cases. Result To address this problem, we present TrackRefiner, a tool for refinement of bacillus cell tracking data. This package was specifically designed to refine the tracking outputs of CellProfiler, a commonly used image processing tool. TrackRefiner is built with a modular and publicly accessible structure, making it adaptable for integration with other image processing software. To assess the package’s performance, we manually determined ground truth tracking results for eight datasets from four research groups, comprising a total of 159,349 object links. This curated dataset, the first of its kind, serves as a valuable benchmark for assessing the performance of bacillus cell tracking algorithms. For timelapses with frequent imaging, TrackRefiner consistently achieved, with one exception, over 98% detection accuracy and corrected 57-100% of tracking errors. Accuracy was reduced for images sampled at lower frequency. Availability and implementation For easy access, TrackRefiner has been published on PyPI and Anaconda. Source code and user manuals can be accessed via Github and OSF. The manually curated benchmark dataset is also posted at these sites.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,023 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».