EM-Net：基于分层视图集成卷积网络的中心线感知电子显微镜图像线粒体分割
计算机视觉与模式识别
2020-01-30 v3
摘要
尽管深度编码器-解码器网络在电子显微镜（EM）图像线粒体分割中取得了惊人性能，它们仍产生具有大量不连续与假阳性的粗糙分割。此外，大型 3D 数据集的费力标注以及 3D 模型巨大的内存开销也是主要局限。为解决这些问题，我们引入一个名为 EM-Net 的多任务网络，其包含一个辅助中心线检测任务，以利用由中心线表示的线粒体形状信息。因此，中心线检测子网络能够增强分割任务的准确性与鲁棒性，尤其在仅有少量标注数据可用时。为实现轻量 3D 网络，我们引入一种新颖的分层视图集成卷积模块以减少参数量，并促进多视图信息聚合。在公开基准上的验证显示了 EM-Net 的顶尖性能。即便训练数据显著减少，我们的方法仍展现出颇具前景的结果。
引用
@article{arxiv.1912.00201,
title = {EM-NET: Centerline-Aware Mitochondria Segmentation in EM Images via Hierarchical View-Ensemble Convolutional Network},
author = {Zhimin Yuan and Jiajin Yi and Zhengrong Luo and Zhongdao Jia and Jialin Peng},
journal= {arXiv preprint arXiv:1912.00201},
year = {2020}
}