DiffKillR：用于稠密显微镜图像细胞注释的数学发生式消解与重构

推动数字显微镜图像的普及，得益于自动全切片扫描技术的进步，为生物医学研究和临床诊断带来了重要机遇。然而，在这些图像中准确标注密集信息仍是主要挑战。为此，我们引入 DiffKillR，这一一种新框架，将细胞注释重新定义为原型匹配与图像配准任务的组合。DiffKillR 使用两种互补神经网络：一种学习面向鲁棒细胞匹配的难发生式不变特征空间，另一种计算细胞之间精确的形变场用于注释映射。通过少量标注原型，DiffKillR 能够高效地在大规模显微镜图像上传递注释，减少了对大量人工标注的需求。更重要的是，它适用于任何类型的像素级注释。我们将讨论 DiffKillR 的理论属性，并在三个显微镜任务上对其进行验证，展示其相对于现有监督、半监督和无监督方法的优势。代码已公开于 https://github.com/KrishnaswamyLab/DiffKillR。