基于实例感知部分分割的自动精子形态分析
计算机视觉与模式识别
2024-08-02 v1
摘要
传统的精子形态分析基于繁琐的手动标注。对大量精子进行自动化形态分析需要精确的每个精子部分分割以及定量的形态评估。当前的实例感知部分分割网络遵循“检测-分割”范式。然而，由于精子的细长形状，其分割在ROI Align期间因边界框裁剪和调整大小而导致上下文损失大且特征失真。此外，精子尾巴的形态测量困难，因为其长而弯曲的形状以及宽度不均。本文提出了自动测量精子形态参数的自动化技术。设计了一种新颖的注意力机制实例感知部分分割网络，通过融合由特征金字塔网络提取的特征来重建边界框外部丢失的上下文，并纠正失真的特征。还提出了一种基于自动化中心线的尾巴形态测量方法，其中设计了异常值过滤方法和端点检测算法，以准确重建尾巴端点。实验结果表明，所提出的网络在[AP]_vol^p上比最先进的自上而下RP-R-CNN高出9.2%，所提出的自动化尾巴形态测量方法在长度、宽度和曲率上分别实现了95.34%、96.39%和91.2%的高精度测量。
引用
@article{arxiv.2408.00112,
title = {Automated Sperm Morphology Analysis Based on Instance-Aware Part Segmentation},
author = {Wenyuan Chen and Haocong Song and Changsheng Dai and Aojun Jiang and Guanqiao Shan and Hang Liu and Yanlong Zhou and Khaled Abdalla and Shivani N Dhanani and Katy Fatemeh Moosavi and Shruti Pathak and Clifford Librach and Zhuoran Zhang and Yu Sun},
journal= {arXiv preprint arXiv:2408.00112},
year = {2024}
}
备注
Accepted to ICRA 2024