用于精确分割重叠 C. elegans 的双层分割-重组网络
计算机视觉与模式识别
2024-11-27 v1 人工智能
摘要
Caenorhabditis elegans (C. elegans) 因其短寿命和与人类基因的高度同源性而是卓越的模型生物，广泛用于各种人类健康和疾病模型。然而，C. elegans的分割仍然具有挑战性，主要原因如下：1）C. elegans的活动轨迹不可控，多个线虫常常重叠，导致C. elegans边界模糊，无法清晰地研究某一线虫的生命周期；2）在重叠的C. elegans显微图像中，边缘的半透明组织相互遮蔽，导致边界分割不准确。为解决这些问题，提出了用于C. elegans实例分割的双层分割-重组网络（BR-Net）。该网络包含三个部分：粗糙掩码分割模块（CMSM）、双层分割模块（BSM）和语义一致性重组模块（SCRM）。CMSM用于提取粗糙掩码，我们在CMSM中引入了统一注意力模块（UAM），使CMSM更能注意到线虫实例。双层分割模块（BSM）将聚合的C. elegans分割为重叠区域和非重叠区域。随后通过SCRM进行集成，其中引入了语义一致性正则化，以更准确地分割线虫实例。最后，在C. elegans数据集上验证了该方法的有效性。实验结果表明，BR-Net在处理C. elegans遮挡图像方面表现出良好的竞争力，并优于其他最近提出的实例分割方法。
关键词
引用
@article{arxiv.2411.17557,
title = {A Bilayer Segmentation-Recombination Network for Accurate Segmentation of Overlapping C. elegans},
author = {Mengqian Dinga and Jun Liua and Yang Luo and Jinshan Tang},
journal= {arXiv preprint arXiv:2411.17557},
year = {2024}
}