traccuracy：评估细胞追踪解决方案

traccuracy 提供了一套基准测试函数，可用于评估细胞追踪解决方案与真实值注释的对比。该库的目标是提供一个方便的方法来运行严格的评估，并记录和汇总该领域使用的各种指标。

traccuracy 可以计算用于评估细胞链接和分裂性能的全面指标集，并可以计算具有生物学意义的指标，如N帧内正确重建的谱系数量和细胞周期长度准确性。由于匹配真实值和预测谱系是进行评估的关键步骤，traccuracy 包含了多种匹配真实值和预测谱系的算法，包括和不含分割掩膜的算法。

在文档中了解更多信息，或查看源代码。

安装

pip install traccuracy

入门

《traccuracy》库有三个主要组件：加载器、匹配器和指标。加载器将跟踪图从其他格式（如CTC格式）加载到TrackingGraph对象中。TrackingGraph是一个时空图。节点表示在特定时间点的单个细胞，并标注了时间和位置。边从表示时间点t的细胞节点指向同一细胞或其子细胞在t+1中的位置。要从自定义格式加载TrackingGraph，您可能需要实现一个加载器：请参阅此处的文档以获取更多信息。

匹配器接受一个真实值和一个预测的TrackingGraph（可选分割掩码），将节点和边进行匹配，以便进行评估。然后，在匹配的图上计算指标，并打印出摘要。

《traccuracy》库提供了一个命令行界面来运行常见的指标管道，有关说明，请参阅此处，以及一个灵活的Python API，在此处的示例笔记本中展示。

已实现的指标

• 来自细胞跟踪挑战评估方法的CTC-DET
• 来自细胞跟踪挑战评估方法的CTC-TRA
• 来自Matula等. 2015的循环导向图指标（AOGM）。这是一个CTC指标的通用形式，您可以为您指标中的每个组件提供不同的权重。
• 分裂精度。可选地允许在真实分裂N帧内进行检测。
• 分裂召回率。可选地允许在真实分裂N帧内进行检测。
• 分裂F1分数。可选地允许在真实分裂N帧内进行检测。
• 来自Ulicna等. 2021的有丝分裂分支正确性。TP / (TP + FP + FN)。可选地允许在真实分裂N帧内进行检测。

术语表

轨迹块：在一段时间内跟踪的单个非分裂细胞。在图论中，这是分裂之间轨迹的连通组件（子细胞到下一个父细胞）。轨迹块也可以从捕获时间开始和结束的非分裂细胞开始或结束，或者如果轨迹离开视野。

轨迹：单个细胞及其所有后代。在图论中，包括分裂的连通组件。