Kartezio：用于生物医学图像分析的可解释流水线的进化设计
计算机视觉与模式识别
2023-11-21 v2 神经与进化计算
摘要
当代生物医学中一个尚未解决的问题是需要标注、分析和解释的大量且多样的复杂图像。深度学习的最新进展彻底改变了计算机视觉领域，创造出在图像分割任务中与人类专家相竞争的算法。然而关键在于，这些框架需要大量人工标注的数据集用于训练，且所得模型难以解释。在本研究中，我们引入 Kartezio，一种基于模块化笛卡尔遗传编程的计算策略，它通过迭代地组装和参数化计算机视觉函数来生成透明且易于解释的图像处理流水线。由此生成的流水线在实例分割任务上展现出与最先进（state-of-the-art）深度学习方法相当的精度，同时所需训练数据集大幅减少，这一特性为该方案赋予了极大的灵活性、速度和功能性。我们还在四个真实世界用例中部署 Kartezio 解决语义和实例分割问题，并展示了其从高分辩率显微镜到临床病理学的成像场景中的效用。通过在从亚细胞结构到肿瘤组织的图像组合上成功实现 Kartezio，我们证明了这一完全可解释的进化设计器在语义和实例分割方面的灵活性、鲁棒性和实用价值。
引用
@article{arxiv.2302.14762,
title = {Kartezio: Evolutionary Design of Explainable Pipelines for Biomedical Image Analysis},
author = {Kévin Cortacero and Brienne McKenzie and Sabina Müller and Roxana Khazen and Fanny Lafouresse and Gaëlle Corsaut and Nathalie Van Acker and François-Xavier Frenois and Laurence Lamant and Nicolas Meyer and Béatrice Vergier and Dennis G. Wilson and Hervé Luga and Oskar Staufer and Michael L. Dustin and Salvatore Valitutti and Sylvain Cussat-Blanc},
journal= {arXiv preprint arXiv:2302.14762},
year = {2023}
}
备注
36 pages, 6 main Figures. The Extended Data Movie is available at the following link: https://www.youtube.com/watch?v=r74gdzb6hdA. The source code is available on Github: https://github.com/KevinCortacero/Kartezio