用于微分干涉相衬图像中未染色活贴壁细胞的双视角选择性实例分割网络
计算机视觉与模式识别
2023-01-30 v1 人工智能
摘要
尽管数据无关算法与深度学习算法近期取得了进展，未染色活贴壁细胞实例分割仍是细胞图像处理中一个长期存在的挑战。贴壁细胞固有的视觉特征，如低对比度结构、边缘模糊和不规则形态，使其彼此难以区分，即便人类专家也是如此，更不用说计算方法了。在本研究中，我们开发了一种称为双视角选择性实例分割网络（DVSISN）的新型深度学习算法，用于分割微分干涉相衬（DIC）图像中的未染色贴壁细胞。首先，我们使用双视角分割（DVS）方法，结合原始图像与旋转图像对，预测每个细胞实例的边界框及其对应掩码。其次，我们使用掩码选择（MS）方法过滤DVS预测的单元格实例，仅保留最接近真值的掩码。所开发的算法在我们包含520张图像和12198个细胞的数据集上进行了训练与验证。实验结果表明，我们的算法达到了0.555的AP_segm，以23.6%的优势显著超越基准方法。本研究的成功为使用旋转图像作为输入以提升细胞图像预测开辟了新可能。
引用
@article{arxiv.2301.11499,
title = {Dual-View Selective Instance Segmentation Network for Unstained Live Adherent Cells in Differential Interference Contrast Images},
author = {Fei Pan and Yutong Wu and Kangning Cui and Shuxun Chen and Yanfang Li and Yaofang Liu and Adnan Shakoor and Han Zhao and Beijia Lu and Shaohua Zhi and Raymond Chan and Dong Sun},
journal= {arXiv preprint arXiv:2301.11499},
year = {2023}
}
备注
13 pages, 5 figures, 3 tables