基于弱点标注的域自适应突触检测
计算机视觉与模式识别
2023-09-01 v1
摘要
基于学习的方法的发展极大提升了从电子显微镜(EM)图像中检测突触的性能。然而，为每个数据集训练模型耗时且需大量标注。此外，由于数据分布差异，难以将已训练模型应用于不同脑区数据。本文提出AdaSyn，一种基于两阶段分割、利用弱点标注进行域自适应突触检测的框架。第一阶段，我们采用基于分割的流水线获取突触实例掩码以解决检测问题。第二阶段，通过重新生成方形掩码获取高质量伪标签，提升模型在目标数据上的泛化性。得益于高精度检测结果，我们引入距离最近原则匹配成对的突触前与突触后结构。在ISBI 2023的WASPSYN挑战赛中，我们的方法排名第一。
引用
@article{arxiv.2308.16461,
title = {Domain Adaptive Synapse Detection with Weak Point Annotations},
author = {Qi Chen and Wei Huang and Yueyi Zhang and Zhiwei Xiong},
journal= {arXiv preprint arXiv:2308.16461},
year = {2023}
}