CellTrack R-CNN：一种用于显微图像中细胞分割与追踪的新型端到端深度神经网络
计算机视觉与模式识别
2021-02-23 v1
摘要
显微图像中的细胞分割与追踪对生物学和医学的新发现具有重要意义。在本研究中，我们提出一种将细胞分割与细胞追踪整合进统一端到端深度学习框架的新方法，其中细胞检测与分割由当前实例分割流程完成，细胞追踪通过将 Siamese Network（孪生网络）与该流程集成来实现。此外，通过将空间信息引入网络并融合空间与视觉预测，追踪性能得以提升。我们的方法在 DeepCell 基准数据集上进行了评估。尽管简单高效，我们的方法在细胞分割与追踪精度上均优于 state-of-the-art（SOTA，最先进）算法。
引用
@article{arxiv.2102.10377,
title = {CellTrack R-CNN: A Novel End-To-End Deep Neural Network for Cell Segmentation and Tracking in Microscopy Images},
author = {Yuqian Chen and Yang Song and Chaoyi Zhang and Fan Zhang and Lauren O'Donnell and Wojciech Chrzanowski and Weidong Cai},
journal= {arXiv preprint arXiv:2102.10377},
year = {2021}
}
备注
4 pages,3 figures, to be published in The IEEE International Symposium on Biomedical Imaging (ISBI) 2021