FDNet：面向诱导多能干细胞来源星形胶质细胞分割的频域去噪网络
图像与视频处理
2024-02-07 v1 计算机视觉与模式识别
机器学习
摘要
由体细胞人工诱导产生的多能干细胞（iPSC）在神经退行性疾病的疾病建模和药物筛选中发挥着重要作用。由iPSC分化而来的星形胶质细胞是研究神经元代谢的重要靶点。星形胶质细胞的分化进程可通过显微镜图像中不同分化阶段形态的变化进行监测，随后通过分子生物学技术在成熟后加以确定。然而，星形胶质细胞通常“完美地”融入背景，其中一些还被干扰信息（如死细胞、培养基沉淀物和细胞碎片）覆盖，这使得星形胶质细胞难以观察。由于缺乏标注数据集，现有的最先进深度学习方法无法解决这一问题。本文提出了一项名为星形胶质细胞分割的新任务，并附带一个名为IAI704的新数据集，该数据集包含704张图像及其对应的像素级标注掩膜。此外，我们提出了一种新颖的频域去噪网络FDNet，用于星形胶质细胞分割。具体而言，我们的FDNet由上下文信息融合模块（CIF）、注意力模块（AB）和傅里叶变换模块（FTB）组成。CIF和AB融合多尺度特征嵌入以定位星形胶质细胞。FTB将特征嵌入变换到频域，并执行高通滤波以消除干扰信息。实验结果表明，我们提出的FDNet在星形胶质细胞分割任务上优于最先进的替代方法，为iPSC分化进程预测提供了启示。
引用
@article{arxiv.2402.02724,
title = {FDNet: Frequency Domain Denoising Network For Cell Segmentation in Astrocytes Derived From Induced Pluripotent Stem Cells},
author = {Haoran Li and Jiahua Shi and Huaming Chen and Bo Du and Simon Maksour and Gabrielle Phillips and Mirella Dottori and Jun Shen},
journal= {arXiv preprint arXiv:2402.02724},
year = {2024}
}
备注
Accepted by The IEEE International Symposium on Biomedical Imaging (ISBI) 2024