BFS-Net: 基于明场显微镜Z栈的弱监督细胞实例分割
计算机视觉与模式识别
2022-06-10 v1 人工智能
摘要
尽管明场显微镜(BFM)广泛可用,但由于采集过程的投影性质,从其获取体积信息 inherently 困难。我们研究从一组BFM Z栈图像预测3D细胞实例。我们提出一种新颖的两阶段弱监督方法用于细胞体积实例分割,其仅需近似细胞质心标注。所生成的伪标签通过一种具Z栈引导的新颖精化损失加以精炼。评估表明,我们的方法不仅能泛化至BFM Z栈数据,亦能泛化至其他3D细胞成像模态。我们的流水线对比全监督方法的比较表明,在数据收集与标注大幅减少方面所获显著收益仅带来微小的性能差异。
引用
@article{arxiv.2206.04558,
title = {BFS-Net: Weakly Supervised Cell Instance Segmentation from Bright-Field Microscopy Z-Stacks},
author = {Shervin Dehghani and Benjamin Busam and Nassir Navab and Ali Nasseri},
journal= {arXiv preprint arXiv:2206.04558},
year = {2022}
}