CS3：用于精子分割的级联SAM
图像与视频处理
2024-07-10 v2 计算机视觉与模式识别
定量方法
摘要
自动化精子形态分析在评估男性生育力方面发挥着关键作用，但其有效性常常因精子图像分割不准确而受到影响。现有的分割技术，包括Segment Anything Model (SAM)，在解决精子重叠这一复杂问题方面表现不佳，这在临床样本中屡见不鲜。我们的探索性研究表明，通过移除精子头部和易分割区域，以及增强重叠区域的可见性，可显著提高SAM在分割复杂精子结构方面的效率。基于这些发现，我们提出了用于精子分割的级联SAM (CS3)，这是一种专门针对精子重叠问题的无监督方法。该方法采用级联方式应用SAM分别分割精子头部、简单尾部和复杂尾部。随后，这些分割掩码被精细匹配和合并，以构建完整的精子掩码。与领先的医疗机构合作，我们构建了约2000张无标签精子图像的数据集以微调该方法，并获取了240张额外图像的专家标注以进行全面模型评估。实验结果表明，CS3在现有方法中表现优异。
引用
@article{arxiv.2407.03772,
title = {CS3: Cascade SAM for Sperm Segmentation},
author = {Yi Shi and Xu-Peng Tian and Yun-Kai Wang and Tie-Yi Zhang and Bin Yao and Hui Wang and Yong Shao and Cen-Cen Wang and Rong Zeng and De-Chuan Zhan},
journal= {arXiv preprint arXiv:2407.03772},
year = {2024}
}
备注
Early accepted by MICCAI2024