结合非参数空间上下文先验与非参数形状先验的二光子显微图像树突棘分割
图像与视频处理
2019-02-19 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
数据驱动分割是基于形状先验的分割方法的重要初始步骤，因为通常假设数据项将曲线带到合理水平，从而形状项和数据项可协同产生更好的分割。当纯数据驱动分割产生较差结果时，最终分割通常受到不利影响。许多现有数据项面临的一个挑战在于，它们仅考虑像素强度来决定将像素分配给前景还是背景区域。当前景和背景像素强度的分布存在显著重叠时，此类数据项变得无效，因为它们为测试图像中的许多像素产生不确定结果。在这种情况下，利用待分割物体的空间上下文先验信息与数据项结合，可将曲线带到合理阶段，进而作为启动基于形状分割的良好初始点。在本文中，我们提出了一种结合非参数上下文先验、基于学习强度的数据项和非参数形状先验的新分割方法。我们在 2D 和 3D 二光子显微图像中进行了树突棘分割实验。实验结果表明，使用空间上下文先验带来了显著改进。
引用
@article{arxiv.1901.02513,
title = {Combining nonparametric spatial context priors with nonparametric shape priors for dendritic spine segmentation in 2-photon microscopy images},
author = {Ertunc Erdil and Ali Ozgur Argunsah and Tolga Tasdizen and Devrim Unay and Mujdat Cetin},
journal= {arXiv preprint arXiv:1901.02513},
year = {2019}
}
备注
IEEE International Symposium on Biomedical Imaging