结合标记控制分水岭与深度学习的细胞分割
图像与视频处理
2020-04-06 v1 计算机视觉与模式识别
摘要
我们提出了一种用于分析密集聚类细胞图像的细胞分割方法。该方法结合了标记控制分水岭变换和卷积神经网络（CNN）的优势。我们在通过不同采集技术捕获的三个聚类细胞追踪挑战（CTC）数据集上展示了该方法的通用性和高性能。对于所有测试的数据集，我们的方法在细胞检测和分割方面均达到了最佳性能。基于一系列实验，我们观察到：（1）同时预测分水岭标记函数和分割函数可显著提高分割精度。（2）这两个函数可以独立学习。（3）通过缩放和刚性几何变换进行训练数据增强优于涉及弹性变换的增强。我们的方法易于使用，并且对各种数据具有良好的泛化能力和最先进的性能。
引用
@article{arxiv.2004.01607,
title = {Cell Segmentation by Combining Marker-Controlled Watershed and Deep Learning},
author = {Filip Lux and Petr Matula},
journal= {arXiv preprint arXiv:2004.01607},
year = {2020}
}