基于线标注的 CNN 框架用于显微图像中的线虫检测
计算机视觉与模式识别
2020-04-22 v1 机器学习
摘要
植物寄生线虫在全球范围内对农作物造成损害。对图像数据进行稳健检测是监测此类线虫的先决条件，对于许多涉及线虫 C. elegans（一种常见的模式生物）的生物学研究也是如此。在此，我们提出了一种基于卷积神经网络（CNN）的框架，用于检测显微图像中的蠕虫状物体。我们沿虫体用曲线对线虫进行标注，这比边界框更适合蠕虫状物体。训练后的模型预测蠕虫骨架和身体端点。这些端点用于解开骨架，随后通过估计沿骨架各位置的身体宽度，从骨架中重建分割掩码。借助轻量级骨干网络，我们在马铃薯胞囊线虫数据集上实现了 75.85% 的精确率和 73.02% 的召回率，在公开的 C. elegans 数据集上实现了 84.20% 的精确率和 85.63% 的召回率。
引用
@article{arxiv.2004.09795,
title = {A CNN Framenwork Based on Line Annotations for Detecting Nematodes in Microscopic Images},
author = {Long Chen and Martin Strauch and Matthias Daub and Xiaochen Jiang and Marcus Jansen and Hans-Georg Luigs and Susanne Schultz-Kuhlmann and Stefan Krüssel and Dorif Merhof},
journal= {arXiv preprint arXiv:2004.09795},
year = {2020}
}
备注
ISBI 2020