用于活细胞图像超分辨率与分割的双 U-Net
图像与视频处理
2022-12-06 v1 计算机视觉与模式识别
摘要
活细胞图像的准确分割在临床与研究中具有广泛应用。深度学习方法已能高精度完成细胞分割；然而开发此类机器学习模型需要获取活细胞的高保真图像。由于资源限制（如高性能显微镜可及性有限）或所研究生物的特性，这往往难以实现。对低分辨率活细胞图像进行分割是一项困难任务。本文提出一种方法，通过在分割流程中以超分辨率作为预处理步骤，利用低分辨率图像进行活细胞分割。
引用
@article{arxiv.2212.02028,
title = {Double U-Net for Super-Resolution and Segmentation of Live Cell Images},
author = {Mayur Bhandary and J. Patricio Reyes and Eylul Ertay and Aman Panda},
journal= {arXiv preprint arXiv:2212.02028},
year = {2022}
}
备注
11 pages, 10 figures, Cornell Tech Deep learning, Cornell Tech CS 5787