GRED：基于图正则化的高度各向异性与噪声图像 3D 形状重建
计算机视觉与模式识别
2013-09-18 v1
摘要
显微镜图像分析可为许多生物过程提供洞察。其中特别具有挑战性的问题是在高度各向异性且充满噪声的 3D 图像数据中进行细胞核分割。手动定位和分割每一个细胞核非常耗时，这仍然是大规模生物实验的瓶颈。在本工作中，我们提出了一种从 3D 荧光显微数据中自动分割细胞核的工具。我们的工具基于最先进的图像处理和机器学习技术，并支持友好的图形用户界面（GUI）。我们表明，该工具的精度与人工标注相当，但大大减少了配准所需的时间。
引用
@article{arxiv.1309.4426,
title = {GRED: Graph-Regularized 3D Shape Reconstruction from Highly Anisotropic and Noisy Images},
author = {Christian Widmer and Philipp Drewe and Xinghua Lou and Shefali Umrania and Stephanie Heinrich and Gunnar Rätsch},
journal= {arXiv preprint arXiv:1309.4426},
year = {2013}
}