В исследовании представлен инновационный подход к анализу биологических изображений, основанный на методе дискретного обратного рендеринга. Авторы предлагают заменить традиционные локальные методы (такие как не-максимальное подавление или жадные алгоритмы связывания) на глобальную оптимизацию с использованием современных решателей целочисленного программирования. Этот метод позволяет совместно выбирать наиболее вероятные сценарии развития событий, учитывая временные и биологические ограничения, такие как деление клеток, появление и исчезновение объектов. Тестирование проводилось на различных типах данных: сплайнах C. elegans, жгутиках сперматозоидов и делящихся клетках Huh7. Результаты показали, что метод сопоставим с узкоспециализированными современными пайплайнами, но значительно превосходит их в условиях низкого качества сигнала. В частности, при анализе флуоресцентного видео клеток гепатомы Huh7 показатель F1-меры обнаружения вырос в два раза — с 0,31 до 0,58, что подтверждает высокую эффективность метода в сложных условиях визуализации.