用于显微镜图像自动细胞计数的深度监督密度回归
图像与视频处理
2020-11-11 v2 计算机视觉与模式识别
机器学习
摘要
在许多医学诊断与生物学研究中,准确计数显微镜图像中的细胞数量是必需的。该任务繁琐、耗时且易出现主观误差。然而,由于二维显微镜图像中图像对比度低、背景复杂、细胞形状与数量差异大以及显著细胞遮挡,设计自动计数方法仍然具有挑战性。在本研究中,我们提出了一种基于密度回归的新方法,用于自动计数显微镜图像中的细胞。与其他最先进的基于密度回归的方法相比,所提方法有两处创新。首先,密度回归模型 (DRM) 被设计为级联全卷积回归网络 (C-FCRN),以利用多尺度图像特征从给定图像估计细胞密度图。其次,采用辅助卷积神经网络 (AuxCNNs) 协助训练所设计 C-FCRN 的中间层,以提升 DRM 在未见数据集上的性能。在四个数据集上的实验研究证明了所提方法的优越性能。
引用
@article{arxiv.2011.03683,
title = {Deeply-Supervised Density Regression for Automatic Cell Counting in Microscopy Images},
author = {Shenghua He and Kyaw Thu Minn and Lilianna Solnica-Krezel and Mark A. Anastasio and Hua Li},
journal= {arXiv preprint arXiv:2011.03683},
year = {2020}
}
备注
Medical Image Analysis 2020