用于三维线粒体实例分割的先进深度网络
计算机视觉与模式识别
2022-05-10 v4
摘要
自深度学习方法引入以来，基于电子显微镜（EM）图像的线粒体实例分割取得了显著进展。本文提出两种先进深度网络，名为 Res-UNet-R 和 Res-UNet-H，用于从大鼠（Rat）和人类（Human）样本中进行三维线粒体实例分割。具体而言，我们设计了一个简单而有效的各向异性卷积块，并采用多尺度训练策略，二者共同提升了分割性能。此外，我们通过添加去噪操作作为预处理，增强了训练模型在测试集上的泛化能力。在 ISBI 2021 大规模三维线粒体实例分割挑战赛（Large-scale 3D Mitochondria Instance Segmentation Challenge）中，我们的方法获得第一名。代码见 https://github.com/Limingxing00/MitoEM2021-Challenge。
引用
@article{arxiv.2104.07961,
title = {Advanced Deep Networks for 3D Mitochondria Instance Segmentation},
author = {Mingxing Li and Chang Chen and Xiaoyu Liu and Wei Huang and Yueyi Zhang and Zhiwei Xiong},
journal= {arXiv preprint arXiv:2104.07961},
year = {2022}
}