利用对比学习语义空间从艾伦参考图谱中识别部分小鼠脑显微图像
计算机视觉与模式识别
2022-07-22 v3 机器学习
机器学习
摘要
当小鼠脑中的解剖结构需配准到参考图谱时，对小鼠脑显微图像的精确识别是至关重要的第一步。实践者通常依赖人工图像比对或假设存在完整图像的工具。本工作探索使用孪生网络（Siamese Networks）作为为给定部分二维小鼠脑图像寻找对应二维参考图谱切片的方法。孪生网络是一类卷积神经网络（CNNs），使用权值共享路径获取成对输入图像的低维嵌入。部分小鼠脑图像与参考图谱切片之间的对应关系，基于通过对比学习从孪生网络获得的脑切片与图谱切片的低维嵌入之间的距离来确定。实验表明，当训练与测试图像来自同一来源时，孪生 CNN 可利用艾伦小鼠脑图谱精确识别脑切片。其取得了 TOP-1 与 TOP-5 准确率分别为 25% 与 100%，且仅用 7.2 秒即识别了 29 张图像。
引用
@article{arxiv.2109.06662,
title = {Identifying partial mouse brain microscopy images from Allen reference atlas using a contrastively learned semantic space},
author = {Justinas Antanavicius and Roberto Leiras and Raghavendra Selvan},
journal= {arXiv preprint arXiv:2109.06662},
year = {2022}
}
备注
Published in the Proceedings of International Workshop on Biomedical Image Registration (WBIR-2022). Source code available at https://github.com/Justinas256/2d-mouse-brain-identification. 12 pages, 6 figures