DM-QPMNet：用于定量相位显微镜中细胞分割的双模态融合网络
计算机视觉与模式识别
2025-11-04 v1 人工智能
摘要
单拍定量相位显微镜(ssQPM) 中的细胞分割面临传统阈值方法对噪声和细胞密度敏感的挑战，而仅使用简单通道拼接的深度学习方法未能充分利用偏振强度图像和相位图的互补性。我们引入 DM-QPMNet，一种双编码器网络将这些模态视为具有独立编码流的 distinct 模态。我们的架构通过多头注意力在中间深度融合模态特有特征，使偏振边缘和纹理表示能够选择性地整合互补的相位信息。这种内容感知融合保持训练稳定性，同时通过双源 skip 连接和每个模态的归一化实现原则化的多模态集成，开销最小。我们的方法相对于单一拼接和单模态基线显著提高，表明模态特定编码配合可学习的融合有效地利用 ssQPM 同时捕获互补照明和相位线索实现稳健细胞分割。
引用
@article{arxiv.2511.00218,
title = {DM-QPMNET: Dual-modality fusion network for cell segmentation in quantitative phase microscopy},
author = {Rajatsubhra Chakraborty and Ana Espinosa-Momox and Riley Haskin and Depeng Xu and Rosario Porras-Aguilar},
journal= {arXiv preprint arXiv:2511.00218},
year = {2025}
}
备注
5 pages, 4 figures