用于无监督细胞分割的深度非对称混合模型

自动化细胞分割日益至关重要，因为用于疾病诊断和药物发现，手动描绘细胞边界的工作量大且主观。为解决此问题，针对有限的手动标注，研究人员开发了半监督/无监督分割方法。在这些方法中，深度高斯混合模型发挥着关键作用，因为其能够促进复杂数据分布。然而，这些模型假设数据遵循对称正态分布，这不适用于非对称分布的数据。这些模型也限制了较弱的泛化能力，并对异常值敏感。为解决这些问题，本文提出了一种用于无监督细胞分割的新型非对称混合模型。该非对称混合模型是通过聚合某些多变量高斯混合模型与基于对数似然和自监督优化函数而构建的。所提出的非对称混合模型在包括Segment Anything在内的细胞分割任务中优于（几乎2-30%的Dice系数提升，p<0.05）现有最先进的无监督模型。