基于人类感知的超高分辩率细胞膜分割评价标准
计算机视觉与模式识别
2020-10-19 v1
摘要
计算机视觉技术广泛用于生物与医学数据的分析与理解。然而，细胞膜分割领域仍存在两个严重阻碍进一步研究的主要瓶颈：缺乏充足的高质量数据以及缺乏合适的评价标准。为解决这两个问题，本文首先提出一个面向细胞膜的超高分辩率图像分割数据集，称为 U-RISC，这是最大的带有多次迭代标注与未压缩高分辨率原始数据的细胞膜电子显微镜（EM）数据集。在 U-RISC 的分析过程中，我们发现当前流行的分割评价标准与人类感知不一致。这一有趣现象由一项涉及二十人的主观实验所证实。此外，为解决该不一致性，我们提出一种称为感知 Hausdorff 距离（PHD）的新评价标准，用以衡量细胞膜分割结果的质量。给出了经典分割方法以及两种迭代人工标注在现有评价标准与 PHD 下的详细性能比较与讨论。
引用
@article{arxiv.2010.08209,
title = {Human Perception-based Evaluation Criterion for Ultra-high Resolution Cell Membrane Segmentation},
author = {Ruohua Shi and Wenyao Wang and Zhixuan Li and Liuyuan He and Kaiwen Sheng and Lei Ma and Kai Du and Tingting Jiang and Tiejun Huang},
journal= {arXiv preprint arXiv:2010.08209},
year = {2020}
}
备注
submitted to ICLR 2021