InstanSeg: 基于嵌入的细胞分割算法， optimized for accurate, efficient and portable cell segmentation
计算机视觉与模式识别
2024-08-29 v1
摘要
细胞和核的分割是定量生物图像分析的基本任务。尽管近年来取得了进展，但生物学家和其他领域专家仍需要新的算法来处理日益增长和复杂的真实世界数据集。这些算法不仅要实现最先进的准确率，还要针对效率、可移植性和用户友好性进行优化。本文介绍 InstanSeg：一个新的基于嵌入的实例分割管道，旨在显微镜图像中识别细胞和核。我们使用六个公开的细胞分割数据集，证明 InstanSeg 在准确率上显著优于最广泛使用的替代方法，同时将处理时间缩短至少 60%。此外，InstanSeg 设计为完全可序列化为 TorchScript，支持在多种硬件上的 GPU 加速。我们提供一个用 Python 实现的开源 InstanSeg 版本，以及一个用于推理的用户友好、交互式 QuPath 扩展，用 Java 编写。我们的代码和预训练模型可在 https://github.com/instanseg/instanseg 上获取。
引用
@article{arxiv.2408.15954,
title = {InstanSeg: an embedding-based instance segmentation algorithm optimized for accurate, efficient and portable cell segmentation},
author = {Thibaut Goldsborough and Ben Philps and Alan O'Callaghan and Fiona Inglis and Leo Leplat and Andrew Filby and Hakan Bilen and Peter Bankhead},
journal= {arXiv preprint arXiv:2408.15954},
year = {2024}
}
备注
12 pages,6 figures