CellMixer：异质细胞群的无标注语义细胞分割
计算机视觉与模式识别
2023-12-04 v1 机器学习
摘要
近年来，已有若干无监督细胞分割方法被提出，试图免去训练细胞分割模型所需的繁重像素级标注。这些方法中绝大多数（即便不是全部）通过聚焦于不同细胞实例的检测来处理实例分割任务，而忽略其类型。尽管此类模型在某些任务（如细胞计数）中足够适用，其他应用则需要识别每个细胞的类型。本文中，我们提出 CellMixer，一种用于异质细胞群语义分割的创新无标注方法。我们基于数据增强的方法能够从同质性细胞群的图像级标签训练分割模型。我们的结果表明，CellMixer 可在多种细胞类型和成像模态下取得有竞争力的分割性能，展示了该方法在医学成像、细胞生物学和诊断学中更广泛应用的 scalability 与潜力。
引用
@article{arxiv.2312.00671,
title = {CellMixer: Annotation-free Semantic Cell Segmentation of Heterogeneous Cell Populations},
author = {Mehdi Naouar and Gabriel Kalweit and Anusha Klett and Yannick Vogt and Paula Silvestrini and Diana Laura Infante Ramirez and Roland Mertelsmann and Joschka Boedecker and Maria Kalweit},
journal= {arXiv preprint arXiv:2312.00671},
year = {2023}
}
备注
Medical Imaging Meets NeurIPS 2023