تتبع الخلايا ثلاثية الأبعاد (3D Cell Tracking) باستخدام Python ونموذج HOCT

هذا مسار العمل المتقدم لتتبع الخلايا في الأحجام البيولوجية ثلاثية الأبعاد عبر الزمن. يبدأ المسار بإدخال البيانات الزمنية المتعددة القنوات واستخدام صيغ التخزين القابلة للتوسع مثل Zarr بمساعدة مكتبات NumPy وDask وNapari. تلي ذلك مرحلة استخراج الخصائص والكشف المبدئي عبر الفلترة الكلاسيكية، وتجزئة الصور (Watershed Segmentation)، وتحديد مراكز الخلايا. في المرحلة التالية، يتم دمج نموذج التعلم العميق (HOCT) الذي يجمع بين شبكات الضغط ثلاثية الأبعاد (3D Conv Encoder)، كتل الاهتمام الذاتي (Self-Attention)، وشبكات الرسوم البيانية (GNNs) للتعرف على كائنات الخلايا وحساب احتمالات الربط بينها. أخيراً، تُجرى التحليلات المكانية-الزمانية لإعادة بناء شجرة السلالات وتوليد المقاييس الحيوية وتتبع حركة الخلايا بدقة.