基于嵌入的显微镜图像实例分割
图像与视频处理
2021-04-30 v2 计算机视觉与模式识别
机器学习
摘要
在 2D 和 3D 显微镜数据中自动检测与分割对象对无数生物医学应用十分重要。在自然图像领域，基于空间嵌入的实例分割方法以产生高质量结果而著称，但其在显微镜数据分割中的效用目前鲜有研究。在此我们引入 EmbedSeg，一种基于嵌入的实例分割方法，在 2D 与 3D 显微镜数据集上均优于现有最先进基线。此外，我们展示 EmbedSeg 的 GPU 显存占用足够小，甚至可在笔记本 GPU 上训练，使其几乎人人可用。最后，我们引入四个新的 3D 显微镜数据集，并随真值训练标签公开提供。我们的开源实现见 https://github.com/juglab/EmbedSeg。
引用
@article{arxiv.2101.10033,
title = {Embedding-based Instance Segmentation in Microscopy},
author = {Manan Lalit and Pavel Tomancak and Florian Jug},
journal= {arXiv preprint arXiv:2101.10033},
year = {2021}
}