基于图谱的青鳉鱼胚胎 swim bladder 自动检测
计算机视觉与模式识别
2019-02-19 v1 图像与视频处理
组织与器官
摘要
鱼类胚胎模型正越来越多地用于评估化学品的功效与潜在毒性。本文提出一种方法，用于在青鳉鱼胚胎的二维图像上自动检测 swim bladder（鱼鳔），图像可为背视图或侧视图。在胚胎分割之后，针对每种研究朝向，该方法构建健康胚胎的图谱。随后利用该图谱定义感兴趣区域，并以离散全局最优活动轮廓引导 swim bladder 分割。由此分割设计描述符。从这些描述符构建自动随机森林分类器，以对有无 swim bladder 的胚胎进行分类。所提方法在包含 261 张图像的数据集上进行评估，其中有 swim bladder 的胚胎 202 个（196 个为背视图，6 个为侧视图），无 swim bladder 的 59 个（43 个为背视图，16 个为侧视图）。经 5 折交叉验证，我们在整个数据集上获得平均精确率 95%。
引用
@article{arxiv.1902.06130,
title = {Atlas-based automated detection of swim bladder in Medaka embryo},
author = {Diane Genest and Marc Léonard and Jean Cousty and Noémie De Crozé and Hugues Talbot},
journal= {arXiv preprint arXiv:1902.06130},
year = {2019}
}