基于注意力 Transformer 的微结构内细胞实例分割
计算机视觉与模式识别
2021-04-12 v2 信号处理
仪器与探测器
定量方法
摘要
检测和分割目标实例是生物医学应用中的常见任务。例子包括从功能磁共振图像上检测病灶，到组织病理学图像中肿瘤的检测，以及从显微镜图像中提取定量单细胞信息，其中细胞分割是一个主要瓶颈。基于注意力的 Transformer 在一系列深度学习领域中处于最先进水平。它们最近被提出用于分割任务，并开始超越其他方法。我们提出了一种新颖的基于注意力的细胞检测 Transformer（Cell-DETR）用于直接的端到端实例分割。虽然分割性能与最先进的实例分割方法相当，但 Cell-DETR 更简单且更快。我们在微结构环境中分割酵母这一典型用例中展示了该方法的贡献，这常用于系统或合成生物学。针对该特定用例，所提方法超越了最先进的语义分割工具，并额外预测了各个目标实例。快速而准确的实例分割性能增加了后验数据处理中的实验信息产出，并使实验的在线监测和闭环最优实验设计成为可能。
引用
@article{arxiv.2011.09763,
title = {Attention-Based Transformers for Instance Segmentation of Cells in Microstructures},
author = {Tim Prangemeier and Christoph Reich and Heinz Koeppl},
journal= {arXiv preprint arXiv:2011.09763},
year = {2021}
}
备注
IEEE BIBM 2020 (accepted)