离散逆渲染：利用整数规划进行生物数据分析

生物图像分析充满了离散决策：某个对象是否存在、多个重叠检测中哪一个是真实的、两个检测在时间上是否相互对应，以及细胞是否发生分裂。标准流程通常通过非极大值抑制、阈值化或贪婪关联在局部范围内解决这些问题，在整合所有图像与时间证据之前就作出判断。我们将此类问题重新表述为离散逆渲染：先生成候选渲染结果，再在时间约束和生物学约束下对其进行联合选择，以重建整段视频，并利用现代整数规划求解器以经认证的最优性完成求解。同一形式化框架可同时涵盖重叠检测的抑制、将某一结构选择为一条路径，以及包含出生、死亡和分裂事件结构的跟踪。该方法应用于秀丽隐杆线虫样条、精子鞭毛和分裂细胞后，在三种成像模态下基于单一目标函数达到了与专用最先进流程相当的效果；其中，在逐帧分割不可靠的情况下提升最为显著（在一段低信号的 Huh7 肝癌细胞荧光视频中，检测 F1 值从 0.31 翻倍至 0.58）。

生物图像分析中充满了离散决策：某个目标是否存在、多个重叠检测中哪一个是真实的、两个检测在时间上是否匹配，以及细胞是否发生分裂。标准流程通常通过非极大值抑制、阈值处理或贪婪连接在局部加以解决，并在尚未利用全部图像与时间证据之前就作出判定。我们将这类问题重新表述为离散逆渲染：先生成候选渲染结果，再在时间与生物学约束下对其进行联合选择，以重建整个影像序列，并借助现代整数规划求解器以经认证的最优性求解。相同的形式化框架可用于处理重叠检测的抑制、将某一结构选择为一条路径，以及包含出生、死亡和分裂事件结构的跟踪。该方法应用于秀丽隐杆线虫样条、精子鞭毛和分裂细胞后，在单一目标函数下，跨三种成像模态达到了与专用最先进流程相当的效果；其中，在逐帧分割不可靠的情形下增益最大（在一段低信号荧光的 Huh7 肝癌细胞影片中，检测 F1 值从 0.31 翻倍至 0.58）。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.23.740284v1?rss=1

🏷️ 生物图像分析 整数规划 目标跟踪 细胞分裂检测 离散优化