CoFi：用于糞便膜分割的快速粗到细少样本管线
计算机视觉与模式识别
2025-08-18 v1
摘要
在电子显微镜 (EM) 图像中对糞便膜 (GBM) 进行准确分割是实现膜厚度定量化并支持诊断多种肾脏疾病的基础。虽然监督式深度学习方法在分割精度方面取得高水平，但对大量像级标注的依赖使其在临床工作流程中难以实用。少样本学习可减轻标注负担，但往往难以捕获GBM分析所必需的细微结构细节。本研究引入 CoFi，一种为 EM 图像上的 GBM 边界化设计的快速高效粗到细少样本分割管线。CoFi 首先仅使用三个已标注图像训练一个轻量级神经网络，以生成初始的粗分割掩码。该掩码随后自动处理，以生成带有形态感知修剪的高质量点提示，这些提示随后用于指导 SAM 对分割进行细化。该方法实现了卓越的 GBM 分割性能，Dice 系数达 74.54%，推理速度达 1.9 FPS。我们演示了 CoFi 不仅减轻了常规方法所致的标注负担和计算负担，还能实现准确可靠的分割结果。该管线的速度和标注效率使其适用于科研，并具备强大的潜力可用于肾病理学的临床应用。该管线 publicly available at: https://github.com/ddrrnn123/CoFi。
引用
@article{arxiv.2508.11469,
title = {CoFi: A Fast Coarse-to-Fine Few-Shot Pipeline for Glomerular Basement Membrane Segmentation},
author = {Hongjin Fang and Daniel Reisenbüchler and Kenji Ikemura and Mert R. Sabuncu and Yihe Yang and Ruining Deng},
journal= {arXiv preprint arXiv:2508.11469},
year = {2025}
}