种子追踪允许在关键位置（machine learning predictions、体细胞位置、神经突端点、手动注释等）周围锚定/约束追踪算法。 种子是一个 3D 点，带有位置、置信度分数和一些可选属性（半径、类型、源、通道、框架）。种子使用专用渲染器覆盖在图像上，并且不会影响其他覆盖的对象，例如路径或 ROI。种子的常见来源包括：

• 深度学习检测器，输出候选体体/端点坐标（参见Machine Learning）
• 标签/分割图像 例如，来自 cellpose、Stardist、Labkit 或 TWS，其中每个标签/连接组件产生一个种子（例如，cellpose 掩码可用于在自动追踪时指定体细胞位置 multiple cells）
• ROIs 例如，从 ImageJ 例程生成（区域和线 ROI 被简化为代表点）
• 从外部工具或脚本导出的表格数据 (CSV)

种子追踪助手

种子跟踪助手 是 Main Dialog 中的主要选项卡之一，用于管理种子。它分为四个部分：显示工具栏、置信度过滤器、所有已加载种子的表格以及用于 import、export 和 autotrace 操作的底部工具栏。

显示工具栏

控制种子在跟踪画布上的渲染方式，包括：

• 显示/隐藏种子切换按钮，用于显示整个种子覆盖层
• 颜色表控件 设置查找表 (LUT)、透明度以及驱动 LUT 映射的_颜色模式_：
  • Confidence：根据活动滤波器窗口内的种子置信度采样的 LUT
  • Index：每个种子有一个不同的 LUT 插槽。这允许在 Distinct/Glasbey 查找表下用独特的颜色渲染种子
  • 类型/来源：种子按_类型_或_来源_进行颜色编码

置信度过滤

两个滑块设置包含 \([low, high]\) 的置信范围。范围之外的种子隐藏在画布覆盖层和表格视图中；它们保留在基础数据中，可以通过扩大范围来恢复。滑块下方的标签报告当前正在过滤的种子数量。

种子表

每行列出一个种子。选择表中的行也会选择画布上相应的种子（反之亦然）。该表的结构如下：

专栏	意义
X、Y、Z	物理（校准）坐标中的位置
信心	得分为 \([0, 1]\)。驱动颜色映射和置信范围过滤器
半径	可选的球体半径（物理单位）。仅积分种子为零
类型	自由形式类别（例如_soma_、endpoint、waypoint）
来源	该种子来自哪里（例如_roi_、labels-image:cellpose.tif）
状态	覆盖范围指标（见下文）。仅当 SNT 有跟踪数据时才出现

• Right Click 将画布导航到该种子的行（设置时遵循通道/帧；否则使用活动 C/T）。底部工具栏上的_访问缩放级别_微调器控制转到期间应用的缩放级别
• Double Click 用于选择和编辑控件。选择_分离_将表移动到其自己的窗口中以获得更大的工作区域
• 通过单击列标题进行排序；置信过滤器在各种情况下都存在

导入种子

来自 CSV 文件

Import › From CSV File…

SNT 读取带有标题行的逗号或制表符分隔的表，以及以下必需的列（不区分大小写，允许空格）：x、y、z、confidence、radius。可选栏包括：channel、frame、type、source。缺席时应用默认值。

注意：体素索引输入可以在导入时使用图像的间距转换为物理（空间校准）位置

来自标签/掩模图像

Import › From Labels/Masks Image…

该程序将解析标签/掩模图像（例如由 cellpose、Stardist、Labkit or TWS 生成），并为每个非零标签提取一个种子。对于每个标签，SNT 计算：

• 物理坐标中的质心
• 体积等于标签总体积的球体的 半径： \(r = \sqrt[3]{\frac{3V}{4\pi}}\)
• 置信度 在 minConfidence （最小标签）和 \(1.0\) （最大）之间线性插值。例如，在 cellpose mask 的情况下：具有最小体积的标签将被指定为最低置信度、最大、最高置信度

注意：如果所选图像是二值掩模，则每个标签一个种子会将整个前景折叠成单个种子。 SNT 检测到这种情况，并建议首先运行连通分量分析（2D 中的 8 个连通性，3D 中的 26 个连通性），标记每个不同的对象，然后继续处理标记的图像。

来自投资回报率

Import › From ROI Manager…

SNT 将使用以下标准解析 ROI 管理器中存储的所有 ROI：

• 区域 ROI（椭圆形、多边形、矩形、手绘、追踪）：质心作为位置；匹配区域圆盘的半径：\(r = \sqrt{\frac{A}{\pi}}\))
• 线 ROI（直线）：中点作为位置；半径是路径长度的一半。 折线/自由线：顶点质心；半径是线段长度总和的一半
• 点 ROI：每个包含的点都成为自己的种子（无半径）
• 其他几何图形（角度、复合）：边界中心位置，无半径

注意：通道和帧在设置时来自 ROI 的超堆栈位置，否则来自图像的活动 C/T。导入 ROI 时，可以设置其种子_type_ 和_confidence_ 值（默认1.0）。

来自工作区

Import › From Workspace…

此选项直接从当前的 SNT session directory 加载先前导出的 seeds.csv。对于在 SNT 重新启动时快速恢复种子很有用。

导出种子

到 CSV 文件

Export › To CSV File…

此选项将所有种子导出到 CSV 文件，其列布局与 importer 使用的列布局相同。

致投资回报率经理

Export › To ROI Manager…

将种子转换为 ImageJ ROI。具有设定半径的种子变成直径为\(2r\)的圆；没有半径的种子成为点 ROI。默认情况下，导出表中选定的种子；如果未选择任何行，则转换所有种子。请注意，种子 → ROI 转换是有损的，因为 ROI 不知道_confidence_、type 或_source_。

到工作区

Export › To Workspace…

将所有种子写入当前会话目录中的 seeds.csv 文件。对应的From Workspace从同一位置重新加载。

从种子自动追踪

种子可以通过不同的方式驱动自动跟踪，可以通过底部工具栏上的自动跟踪下拉菜单进行访问。 命名约定将算法角色与其生物学解释配对：Roots → Somata； 端点 → 提示； _航点→路径吸引子。所有跟踪命令都继承 Grayscale/ Segmented 下记录的参数 - 图像自动跟踪：只有与种子相关的参数和种子所扮演的角色有所不同。

种子为根 / Somata

Run Auto-Tracers › Grayscale Image (One Tree per Seed)…

每个过滤后的种子都成为其自己的自动跟踪的根；自动追踪的体细胞检测策略被绕过，因为种子_是_根。该命令对每个种子迭代一次跟踪器运行，并将生成的树聚合成森林：每个种子一棵树。 失败（无法访问的种子、后台的种子等）会记录到控制台，但不会中止运行。

种子源过滤器（Visible/All/Selection only）和类型过滤器允许您将每个种子循环限制为一个子集。 当从选定的行调用时，源过滤器预先定位到“仅选择”。

种子作为端点/提示

Run Auto-Tracers › Grayscale Image (Single Cell)…

在这种方式中，过滤后的种子成为尖端目标。自动跟踪器从体体运行检测一次，然后通过父指针字段提取从每个尖端返回根的最短路径。这相当于 SNT 用于交互式端点单击的 A* 最短路径跟踪，但在整个种子集上进行批处理。 输出是一棵树，将体体连接到每个可到达的尖端；落在前景之外或图像边界之外的提示将被记录并跳过。 根据定义，种子提示是必需的端点，因此自动跟踪不会执行任何分层分层。

种子作为路径点/路径吸引力子

Run Auto-Tracers › Grayscale Image (Single Cell, Constrained)… 在这种模式中，过滤后的种子作为_软吸引子_：自动跟踪器利用的成本图局部偏向于每个路点体素，从而生成的树优先路由穿越（或接近）种子的路径。，保护根到路径点的路径然后力标准宽度通道的影响，确保有目标的路径能够到达最终的树中。

提示显示了三个偏差控制：

• 偏差源：来自置信度（默认：每个种子的置信度值会缩放其吸引力）、来自半径（跨路点集标准化的半径）或_统一_（固定因子）

• 偏差强度：[0, 1]中的总体乘数。默认的0.9意味着置信度为1的种子几乎一直被拉到零成本体素

• 偏置球体半径（体素）：每个航路点周围偏置的空间范围。一个小球体（2-3个体素）通常就足够了；更大的值可能会在低损的偏差边界处产生幻影子

#作为审查工具的种子 在这种方式中，种子被转换为_审查地点_并发送至Curation Assistant进行检查。对于现有重建的质量评估以及使用QC分类训练器数据闭合循环方式：每个位置都可以标记为_accept_ / reject / _unsure_并导出为下训练的标签。

编写脚本

种子覆盖层可通过 scripts 和 snt.getSeedOverlay() 访问。 GUI中可用的相同操作（添加、删除、过滤、更改颜色、使用不同角色的运行自动跟踪器）可以通过Smashing方式执行。