基于泛函逆扩散与非负组稀疏性的细胞检测——第一部分：建模与反问题
信号处理
2018-10-19 v5
摘要
在这篇分为两部分的论文中，我们提出一个新的框架和方法论，用于分析来自某些基于图像的生化检测（例如 ELISPOT 和 Fluorospot 检测）的数据。在第一部分，我们首先给出这些生化检测直至图像采集的物理偏微分方程 (PDE) 模型。然后，我们利用 PDE 的 Green 函数推导出采集图像的一种新颖参数化。这种参数化使我们能够提出一个泛函优化问题来解决逆扩散问题。特别地，我们提出一个非负组稀疏正则化优化问题，旨在定位和表征参与上述检测的生物细胞。接着，我们提出一个合适的离散化方案，既能生成合成数据，也能实现可执行的算法来解决逆扩散问题。在第一部分结尾，我们给出了我们的方法论结果与真实数据上人类专家标注之间的初步比较。第二部分致力于提供一种加速近端梯度算法来求解所提出的问题，并对我们的方法论进行实证验证。
引用
@article{arxiv.1710.01604,
title = {Cell Detection by Functional Inverse Diffusion and Non-negative Group Sparsity$-$Part I: Modeling and Inverse Problems},
author = {Pol del Aguila Pla and Joakim Jaldén},
journal= {arXiv preprint arXiv:1710.01604},
year = {2018}
}
备注
published, 15 pages