aura-net：基于少量标注的相衬显微镜图像鲁棒分割
图像与视频处理
2021-02-03 v1 计算机视觉与模式识别
机器学习
摘要
我们提出 AURA-net，一种用于相衬显微镜图像分割的卷积神经网络（CNN）。AURA-net 利用迁移学习加速训练，并采用注意力机制帮助网络聚焦于相关图像特征。以此方式，它可以用极少量的标注高效训练。因此，我们的网络可用于自动化分割通常被认为对深度学习技术而言过小的数据集。AURA-net 还使用了受活动轮廓启发的损失函数，该函数很好地适应了相衬图像的特性，进一步提升了性能。我们展示 AURA-net 在多个小（少于 100 张图像）数据集上优于最先进的替代方法。
引用
@article{arxiv.2102.01389,
title = {aura-net : robust segmentation of phase-contrast microscopy images with few annotations},
author = {Ethan Cohen and Virginie Uhlmann},
journal= {arXiv preprint arXiv:2102.01389},
year = {2021}
}
备注
Accepted at ISBI 2021