HyperBank：用于少样本球体显微图像分割的经典先验可微分库

少样本球体分割必须仅从一小部分带标注的图像中适应新的细胞系、显微镜和光照条件。虽然基础少样本分割器可能很准确，但其庞大且不透明的骨干网络使得难以理解哪些视觉线索驱动了成功或失败。我们通过 HyperBank 研究这个问题，这是一个经典图像处理算子的可微分库，结合了 Frangi 血管增强、Sauvola 阈值金字塔、结构张量响应、梯度幅度和高斯-拉普拉斯滤波器。HyperBank 在带标注的支持图像上拟合，并在三个独立采集的球体数据集的分离的保留图像上进行评估。我们不将其视为基础模型的通用替代品，而是作为一种紧凑、可解释的少样本显微图像处理流程，以及一个分析性先验探针，用于探究哪些经典线索承载了少样本信号。结果表明，在相同的少量标注支持图像上自适应后，一个紧凑的分析性先验库与更大的基础模型具有竞争力，并且在数据量小、对比度驱动的情况下可以超越它们，而这些模型在外部来源的、纹理主导的球体上仍然更强。留一簇消融实验表明，有用的少样本信号分布在算子族中，并通过支持集调整的形态学操作得到加强。