基于选择性堆叠的模糊一致性分割框架在微分干涉相差三维乳腺癌球体中的应用
计算机视觉与模式识别
2024-06-11 v1
摘要
三维球体建模研究乳腺癌细胞侵袭行为的能力已引起越来越多的关注。基于深度学习的图像处理框架在加速细胞形态分析过程中非常有效。然而，在多个z层捕获三维细胞时拍摄的失焦照片可能会对深度学习模型产生负面影响。在这项工作中，我们创建了一种新算法来处理模糊图像，同时保持堆叠图像质量。此外，我们提出了一种独特的训练架构，利用一致性训练来帮助减少在应用密集切片堆叠时模型的偏差。同时，通过利用自训练方法，模型在稀疏切片堆叠效应下的稳定性得到了提高。新的模糊堆叠技术和训练流程与所提出的架构和自训练机制相结合，提供了一个创新且易于使用的框架。我们的方法在定量和定性方面都产生了值得注意的实验结果。
引用
@article{arxiv.2406.05349,
title = {Blurry-Consistency Segmentation Framework with Selective Stacking on Differential Interference Contrast 3D Breast Cancer Spheroid},
author = {Thanh-Huy Nguyen and Thi Kim Ngan Ngo and Mai Anh Vu and Ting-Yuan Tu},
journal= {arXiv preprint arXiv:2406.05349},
year = {2024}
}