一种用于小规模异质性数据集中可训练小胶质细胞数量量化与不确定性分析的自动计数算法
计算工程、金融与科学
2026-02-27 v1 计算机视觉与模式识别
图像与视频处理
信号处理
机器学习
摘要
对生物组织上的免疫阳性细胞进行计数通常需要手动标注或（在可用时）自动粗略系统，用于扫描全切片成像中的信号表面和强度。在这项工作中，我们通过省略细胞检测并仅关注计数任务，来解决大鼠腰椎脊髓横切片中小胶质细胞的计数问题。然而，手动细胞计数是一项耗时的任务，并且还需要广泛的人员培训。经典的基于颜色的自动方法粗略地提供关于总标记面积和强度的信息（蛋白质定量），但不能具体提供细胞数量的信息。由于待分析图像具有高分辨率，但大量像素仅包含噪声或伪影，我们首先执行预处理，生成几个滤波图像（提供定制的、高效的特征提取）。然后，我们设计了一个自动核计数器，这是一种非参数、非线性的方法。所提出的方案可以很容易地在小型数据集上训练，因为在其基本版本中，它仅依赖于一个超参数。然而，由于是非参数和非线性的，所提出的算法足够灵活，也能表达丰富和异质性数据集中包含的所有信息（如果需要，提供最大过拟合）。此外，所提出的核计数器还提供给定预测的不确定性估计，并且可以直接处理在同一图像上接收多个专家意见的情况。使用人工和真实数据集进行的各种数值实验显示出非常有希望的结果。还提供了相关的Matlab代码。
引用
@article{arxiv.2602.22974,
title = {An automatic counting algorithm for the quantification and uncertainty analysis of the number of microglial cells trainable in small and heterogeneous datasets},
author = {L. Martino and M. M. Garcia and P. S. Paradas and E. Curbelo},
journal= {arXiv preprint arXiv:2602.22974},
year = {2026}
}