我正在尝试从荧光成像实现神经元/轴突数据的3D分割和跟踪算法。我查看了Watershed算法，活动轮廓，OTSU阈值，但无法确定要使用哪种算法。 此外，在不同的帧上进行跟踪的最佳方法是什么，特别是因为这些细胞体移动，有时甚至相互重叠？
我将使用python库来执行此操作。我正在考虑与Mahotas一起实施，因为它具有高效的C ++实现。此外，我将使用vispy进行可视化。非常感谢你！
答案 0 :(得分：0)
如果没有看到任何参考图像，很难回答。这不是一个容易的问题所以我建议你看一下在各个领域做过的研究。
我可以推荐http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5495143使用Hessian在局部路径查找中对3D神经突进行分割。
有关Hessian用于分割3D结构（例如，MRI图像中的血管）的更多信息，请访问http://liu.diva-portal.org/smash/get/diva2:302939/FULLTEXT01.pdf。
我希望其中一些有帮助。
答案 1 :(得分：0)
我同意没有一个“最佳”算法，对你来说效果很好的很大程度上取决于数据类型，工件类型，最终结果所需的准确性等。
关于算法，虽然你提到跟踪，但是最小成本路径方法。它有scikit-image。它可以很好地跟踪细长结构（线状）。如果您的意思是在不同的帧中进行跟踪，那么MCP可能意义不大。