从版本 7.0.0 开始，TrackMate 提供了分割对象以及存储、显示和量化其形状的可能性。我们使用这个新的 API 来构建简单的检测器，可以从标签图像、掩模或具有阈值的灰度图像生成对象。但我们还希望集成 Fiji 附带的最先进的分割算法来实现这一点。因此，我们将 ilastik、MorphoLibJ、StarDist、cellpose 和 Weka 插件集成为 TrackMate 中的检测器。 此页面列出了此版本引入的八个检测器，以及其文档和安装过程的链接。
具有分割功能的探测器
口罩检测器
该检测器从源图像中的黑白通道创建对象。您可以将遮罩添加为源图像中的额外通道。对象将基于所有值严格大于 0 的像素来构建，这解决了 8 位、16 位或 32 位图像上的遮罩问题。 该探测器是 TrackMate 核心的一部分。此处记录：trackmate-mask-detector
阈值检测器
阈值检测器从灰度图像创建对象（它可以是多通道图像中的一个通道）。您必须指定一个阈值来分割对象。 该探测器也是 TrackMate 核心的一部分。此处记录：trackmate-thresholding-detector
标签图像检测器
标签图像作为分割算法的输出特别方便。事实上，在某些情况下，您可能有不同的对象，它们距离太近以至于相互接触。如果分割算法可以检测到它们，但输出黑白蒙版，则如果它们共享边界，它们将在蒙版中显示为一个对象。 在标签图像中，每个对象由不同的整数值表示。例如，标签图像中的对象 #1 将由像素值为 1 的所有像素组成，黑色背景为 0。对象 #2 将具有像素值 2，等等。这样即使它们相互接触，也可以解析它们。 该探测器也是 TrackMate 核心的一部分。此处记录：trackmate-label-image-detector
TrackMate-Ilastik
该探测器不是 Fiji 核心发行版的一部分。您需要订阅两个更新站点（ilastik更新站点和TrackMate-Ilastik更新站点）并安装ilastik才能获取它。
探测器安装程序及其文档可在此处找到：trackmate-ilastik。
TrackMate-MorphoLibJ
该探测器也不是斐济核心发行版的一部分。您需要订阅两个更新站点（IJPB-plugins更新站点和TrackMate-MorphoLibJ更新站点）才能获取它。
探测器安装程序及其文档可在此处找到：trackmate-morpholibj
TrackMate-StarDist
该探测器也不是斐济核心发行版的一部分。您需要在 Fiji 安装中安装并运行 StarDist。这涉及订阅 CSBDeep 更新网站和 StarDist 更新网站。还可以访问 TrackMate-StarDist 更新站点。
探测器安装程序及其文档可在此处找到：trackmate-stardist
TrackMate-Cellpose
TrackMate 中cellpose 的集成是不同类型集成的一个示例，其中我们从 Java 程序调用 Python 程序作为子进程，并通过文件交换数据。要将 cellpose 与 TrackMate 结合使用，您需要在计算机上安装可正常运行的 cellpose，并订阅 TrackMate-Cellpose 更新站点。
详细的安装过程、文档和教程可以在这里找到：trackmate-cellpose。
TrackMate-Weka
该探测器也不是斐济核心发行版的一部分。但由于 Weka Trainable Segmentation 插件已包含在 Fiji 的核心中，因此我们只需订阅 TrackMate-Weka 更新站点即可。
探测器安装程序及其文档可在此处找到：trackmate-weka
限制
TrackMate 中物体形状的检测有两个局限性，现在我们在这里重复一下。
- 仅检测 2D 图像的对象轮廓。 源图像可以是具有多个通道的 2D + T，但不会以 3D 形式检测、显示或分析形状。 这归结为这样一个事实：斐济还没有（目前还没有）简单且可靠的方法来处理 3D 分割结果。 这可能会随着其他人的工作而改变，但至少在版本 7 中我们只检测 2D 图像的轮廓。 同时，当呈现 3D 图像时，上述检测器要么返回错误消息（StarDist 检测器），要么创建计算半径的球形点，以便该球形点具有与特定分割算法返回的 3D 对象相同的体积。
- 物体轮廓必须是简单的多边形。 简单多边形是由一条没有任何自交的闭合分段线组成的多边形。 TrackMate 不处理对象中的孔，也不处理由多个断开连接的组件组成的对象。 这是允许毫无歧义地处理计算形态特征的限制。
简化轮廓
一些新探测器具有可以简化轮廓的配置设置。 这是我们在这里描述的一个重要参数。
对象轮廓是环绕各个对象的多边形，最初遵循各个像素。 例如，一个点的阈值检测器的初始输出如下所示：
请注意，多边形完全遵循高于阈值的所有像素的轮廓。 例如，上图中最左边的像素有 3 个边框段。 所有轮廓线段都沿着像素水平或垂直延伸。
简化轮廓将产生对象的简化形状，在像素之间进行插值并返回具有更少段的更平滑的形状。
使用所选的 Simplify contours 参数运行相同的算法将产生以下结果：
简化轮廓生成磁盘空间较小的 TrackMate 文件。 更重要的是，它们产生更准确的形态特征。 事实上，像素精确的轮廓高估了周长，因为它坚持单个像素边界。 反过来，这会生成周长被高估的轮廓，并对依赖于它的形态特征的相关性产生负面影响。
简化轮廓在某种程度上试图遵循对象轮廓，就好像它不会在像素矩阵上离散化一样。 但只有当对象足够大时它才能正常工作。 对于通常低于 10 像素的小物体，简化会生成不准确的轮廓：
因此，根据经验，我们建议如下：
- 如果您的对象很大（N 个像素大于 10）并且您想要测量其形状，请始终选择
Simplify contours选项。 - 如果您的对象是在少量像素上采样的，那么测量它们的形态就没有意义。
- 因此，基本上，仅当您想稍后从对象生成像素精确的蒙版（例如使用
Export label image操作）时，才取消选择Simplify contours。
