DLA-Count：用于密集细胞分布计数的动态标签分配网络
计算机视觉与模式识别
2025-03-18 v1
摘要
由于细胞形态的多样性、细胞的密集分布以及图像质量的差异，细胞计数仍然是医学和生物研究中的基础且具有挑战性的任务。我们提出了 DLA-Count，一种突破性的细胞计数方法，引入了三个关键创新：（1）K 邻接匈牙利匹配（KHM），显著改善了密集区域中的细胞匹配；（2）多尺度可变形高斯卷积（MDGC），适应不同的细胞形态；（3）高斯增强特征解码器（GFD），用于高效的多尺度特征融合。我们在四个具有挑战性的细胞计数数据集（ADI、MBM、VGG 和 DCC）上的广泛实验表明，我们的方法在多个数据集上优于先前方法，在 ADI 数据集上平均绝对误差改善高达 46.7%，在 MBM 数据集上改善高达 42.5%。我们的代码位于 https://anonymous.4open.science/r/DLA-Count。
引用
@article{arxiv.2503.12063,
title = {DLA-Count: Dynamic Label Assignment Network for Dense Cell Distribution Counting},
author = {Yuqing Yan and Yirui Wu},
journal= {arXiv preprint arXiv:2503.12063},
year = {2025}
}