Biohub 细胞追踪的输入、输出和验证是什么？
Biohub 的任务是在三维显微时序数据中检测细胞、跨帧关联，并识别分裂与重建谱系。提交 CSV 同时包含节点质心和连接边。可以先用少量质心理解坐标与关联，再加入影像检测、物理尺度和分裂验证；一对一最近邻不是完整任务方案。
提交状态与项目范围
官方最终提交截止为 2026-09-29 23:59 UTC（北京时间 09-30 07:59）。当前页面出现 Late Submission 入口；它不代表原竞赛仍可正常报名、组队或获得原赛程成绩。本页用于赛后复现。
官方任务、Evaluation 与 Timeline · 核验 2026-10-01；这里的核验不覆盖最终榜单或所有 Rules。
比赛任务是什么？
发育生物学需要知道细胞在哪里、如何移动、何时分裂。这个项目将连续时间点的三维荧光体数据转为节点与跨时间边组成的追踪图，联合研究细胞检测、时间关联和谱系恢复，并用可回放的轨迹解释错误。
输入
- 按时间组织的三维 Zarr 荧光体数据，维度为 T、Z、Y、X
- GEFF 图标注中的细胞节点、时间边与分裂关系；标注稀疏，验证按胚胎分组
输出
- submission.csv：按 dataset 汇总 node 与 edge 行，记录细胞坐标及跨时间连接
- 细胞轨迹与分裂事件可视化、检测和关联误差报告
用一个例子理解项目
输入：相邻三帧的三维影像中，一个细胞先移动，随后分裂为两个细胞。
输出：记录各帧细胞中心节点，连接移动轨迹，并从母细胞连向两个子细胞。
这是任务示意：检测位置正确仍可能连错谱系，需要把节点、时间边和分裂事件分别检查。
评价指标与验证
adjusted edge Jaccard + 0.1 × division Jaccard
官方组合指标为 adjusted_edge_jaccard + 0.1 × division_jaccard。节点先按物理尺度匹配；稀疏标注、节点数量惩罚与分裂事件都影响结果，分数可能超过 1。不能用教学示例中的普通边 TP/FP/FN 代替官方评分。
固定数据划分、评估器版本和资源条件，记录基线与对照结果，并解释错误样本。
技术路线
- 读取
检查体数据与坐标
分块读取 Zarr 和 GEFF，在少量切片上核对标注、时间轴与各向异性体素尺度。
- 基线
检测与近邻关联
先建立小体积细胞检测和最近邻匹配基线，跑通混合 node/edge 行的 CSV 输出。
- 实验
关联与分裂对照
在固定胚胎划分下比较匹配约束、分裂候选与图优化，分别记录检测、边和分裂指标。
- 复盘
展示谱系与失败轨迹
可视化漏检、错连和分裂错误，整理资源消耗、实验配置、README 与本人贡献。
适合专业与项目难度
三维细胞影像和分裂谱系直接关联生物信息学、生物医学工程与计算生物学；检测、时序关联和图优化对应计算机、机器学习与数学。生物学背景适合任务解释和标注质检，模型实现仍需编程基础。
为什么评为高级？
供稿明确标为入门难度高：需同时处理 3D 体数据、跨帧轨迹和细胞分裂，检测误差会传递到追踪图与组合指标。
等级说明：跨多阶段或研究型系统，涉及复杂数据、模型/算力约束或强领域先修知识。
建议具备的基础
- Python、NumPy 与深度学习基础
- 3D 图像坐标和体素尺度
- 目标关联或图算法基础
可以从哪里开始
先在少量切片或小体积数据上建立检测与最近邻关联基线，再加入分裂事件和全局优化。
专业与难度由本站根据项目文档分析，面向基线复现与对照实验；具体门槛取决于承担的任务和项目深度。 这不是 Kaggle 官方评级。
可以形成的成果
- 4D 影像读取与标注质检 Notebook
- 细胞检测、跨帧关联与分裂识别基线
- 谱系可视化与 edge/division 指标误差报告
- 可复现 README、对照实验与个人贡献说明
成果预览与验收方式
下面展示建议的成果结构，实际内容由本人运行、实验和整理后形成。
本项目重点验收：submission.csv：按 dataset 汇总 node 与 edge 行，记录细胞坐标及跨时间连接；细胞轨迹与分裂事件可视化、检测和关联误差报告。
复现实验需要回答的问题
- 为什么检测正确不等于追踪正确
- 如何处理体素尺度、遮挡和细胞分裂
- 如何拆解组合指标并定位误差来源
留学、科研与求职如何使用？
留学申请
用细胞影像与谱系追踪选题说明跨学科动机，展示自己完成的数据质检、方法比较和可视化。
考研 / 科研
围绕稀疏标注、体素尺度、关联约束或分裂识别开展对照实验，保留胚胎划分与评分器配置。
求职 / 作品集
展示大体积数据管线、检测与追踪系统、错误回放以及可复现代码，按实际贡献描述成果。
公开 Notebook、方案与讨论
以下入口来自项目文档中的公开资料，适合阅读和设计复现实验。
公开材料的运行环境、许可和作者结论请结合原页面复核。
- Biohub Solution ↗
公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。
- 细胞追踪规则基线讨论 ↗
公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。
- napari 轨迹可视化工具 ↗
公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。
- 分裂指标修补公告 ↗
公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。
常见问题
Biohub 细胞追踪项目适合什么专业？
适合生物信息、生物医学工程、计算机、机器学习和数学背景。生物学基础有助于理解谱系与标注，实现仍需要 Python、三维图像和目标关联基础。
Biohub 可以形成什么项目成果？
可以形成 4D 数据读取 Notebook、细胞检测与追踪基线、谱系可视化、edge/division 指标报告和可复现 README。成果应包含本人实际运行的实验与能够解释的贡献。
必须一开始就训练完整三维模型吗？
可以先读取少量切片或小体积数据，用简单检测和最近邻关联跑通流程，再按资源条件加入三维模型、分裂候选和图优化。完整任务属于高级项目。
比赛结束后，还能做这个项目吗？
可以按公开数据与代码的许可开展学习和本地复现。当前项目以基线、对照实验和错误分析为目标，复现成果不能写成原比赛的参赛名次或奖牌。
把运行过程记录下来
按自己的运行记录整理数据版本、环境、基线、一次对照与失败案例。引用公开代码时注明作者、仓库、版本与许可，并把本人改动单独列出。
公开来源与个人贡献边界
文档记录的历史状态用于项目规划，非实时赛事信息。数据、代码、模型许可及单场 Rules 以官方最新页面为准。本人贡献需有运行、对照实验与错误分析记录，公开方案和他人成绩保留原作者归属；用复现来源卡与对照表整理来源与本人改动。
Kaggle 官方竞赛与任务说明 ↗ · 赛题、数据、评估与状态以官方页面为准。
单场比赛 Rules ↗ · 复用数据、代码与模型前检查许可和适用规则。
规划适合你的项目深度
结合目标、专业、已有基础和时间，确定基线、对照实验与成果表达的范围。