以最小代价学习：利用计算机模拟标注进行细胞与细胞核分割
图像与视频处理
2023-01-11 v1 计算机视觉与模式识别
摘要
深度学习为我们提供了以空前质量进行细胞核或细胞分割的强大方法。然而，这些方法通常需要大量人工标注图像的训练集，而生成这些训练集既繁琐又昂贵。在本文中，我们提出将计算机模拟标注（In Silico Labeling, ISL）用作分割任务的预训练方案。该策略是获取无标记显微图像（如明场或相差图像）与荧光标记图像（如 DAPI 或 CellMask）配对数据，然后训练一个模型从无标记显微图像预测荧光标记图像。通过比较多种训练集规模下的分割性能，我们表明此类方案可大幅减少所需标注的数量。
引用
@article{arxiv.2301.03914,
title = {Learning with minimal effort: leveraging in silico labeling for cell and nucleus segmentation},
author = {Thomas Bonte and Maxence Philbert and Emeline Coleno and Edouard Bertrand and Arthur Imbert and Thomas Walter},
journal= {arXiv preprint arXiv:2301.03914},
year = {2023}
}