免疫荧光毛细血管成像分割：案例研究
图像与视频处理
2022-07-15 v1 计算机视觉与模式识别
摘要
骨不连是骨科临床面临的挑战之一，其原因在于骨间毛细血管拍摄的技术难度与高成本。分割血管和填充毛细血管对于理解毛细血管生长中遇到的障碍至关重要。然而，现有的血管分割数据集主要关注人体的大血管，缺乏标注的毛细血管图像数据集极大限制了血管分割与毛细血管填充的方法发展与应用。在此，我们提出一个名为IFCIS-155的基准数据集，包含由生物医学专家标注了分割边界和血管填充的155张2D毛细血管图像，以及19张大规模高分辨率3D毛细血管图像。为获得更优的骨间毛细血管图像，我们利用最先进的免疫荧光成像技术来凸显骨间毛细血管丰富的血管形态。我们进行了全面实验以验证该数据集及基准深度学习模型（如UNet/UNet++及改进的UNet/UNet++）的有效性。我们的工作为训练毛细血管图像分割的深度学习模型提供了基准数据集，并为未来毛细血管研究提供了潜在工具。IFCIS-155数据集与代码均已公开于\url{https://github.com/ncclabsustech/IFCIS-55}。
引用
@article{arxiv.2207.06861,
title = {Immunofluorescence Capillary Imaging Segmentation: Cases Study},
author = {Runpeng Hou and Ziyuan Ye and Chengyu Yang and Linhao Fu and Chao Liu and Quanying Liu},
journal= {arXiv preprint arXiv:2207.06861},
year = {2022}
}