一种基于模型B样条、面向微生物单细胞分析的混合多目标分割框架
计算机视觉与模式识别
2022-05-04 v1 定量方法
摘要
本文提出一种用于微生物细胞多目标分割的混合方法。该方法将基于机器学习(ML)的检测与基于几何感知变分、使用B样条进行分割相结合，其中B样条依据细胞形状的几何模型进行参数化。检测首先使用YOLOv5完成。第二步中，对每个检测到的细胞单独进行分割。因此，分割仅需在逐个细胞的基础上进行，这使其适用于融入几何先验知识的变分方法。此处，分割轮廓被建模为闭合均匀三次B样条，其控制点利用已知的细胞几何进行参数化。与纯基于ML的分割方法相比（后者需要极为费时制作的精确分割图作为训练数据），我们的方法仅需边界框作为训练数据。尽管如此，所提方法的性能与此类场景中通常使用的基于ML的分割方法相当。我们在谷氨酸棒杆菌(Corynebacterium glutamicum)的延时显微数据上研究了该方法的性能。
引用
@article{arxiv.2205.01367,
title = {A hybrid multi-object segmentation framework with model-based B-splines for microbial single cell analysis},
author = {Karina Ruzaeva and Katharina Nöh and Benjamin Berkels},
journal= {arXiv preprint arXiv:2205.01367},
year = {2022}
}