用于细胞核分割的 Mask-RCNN 与 U-net 集成模型
计算机视觉与模式识别
2019-01-30 v1
摘要
细胞核分割既是现代计算机视觉方法（例如卷积神经网络）的一项重要任务，也在某些方面是理想任务。尽管理论与开源软件的最新进展使这些工具更易于实现，但仍需专家知识来选择合适的模型架构与训练设置。我们在细胞核分割任务中比较了两种流行的分割框架 U-Net 和 Mask-RCNN，发现它们具有不同的优势与失败模式。为兼取二者之长，我们开发了一种集成模型来融合它们的预测，该模型能以显著优势超越这两种模型，在追求最佳细胞核分割性能时应予以考虑。
引用
@article{arxiv.1901.10170,
title = {Mask-RCNN and U-net Ensembled for Nuclei Segmentation},
author = {Aarno Oskar Vuola and Saad Ullah Akram and Juho Kannala},
journal= {arXiv preprint arXiv:1901.10170},
year = {2019}
}
备注
To appear in IEEE International Symposium on Biomedical Imaging (ISBI) 2019