MEDIAR：面向多模态显微镜的数据驱动与模型驱动协同方法
计算机视觉与模式识别
2022-12-08 v1 人工智能
机器学习
摘要
细胞分割是计算生物学分析的一项基础任务。识别细胞实例通常是各种下游生物医学研究的第一步。然而，许多细胞分割算法，包括近期涌现的基于深度学习的方法，在多模态环境下仍表现出有限的泛化能力。NeurIPS 2022 举办了“多模态高分辨率显微镜图像中的弱监督细胞分割”以攻克此问题。我们在该挑战中提出 MEDIAR，一种面向多模态下细胞实例分割的整体流水线。MEDIAR 将数据中心与模型驱动的方法协调为学习与推理策略，在验证阶段取得 0.9067 的 F1-score，同时满足时间预算。为便利后续研究，我们开源了源代码与训练模型：https://github.com/Lee-Gihun/MEDIAR
引用
@article{arxiv.2212.03465,
title = {MEDIAR: Harmony of Data-Centric and Model-Centric for Multi-Modality Microscopy},
author = {Gihun Lee and Sangmook Kim and Joonkee Kim and Se-Young Yun},
journal= {arXiv preprint arXiv:2212.03465},
year = {2022}
}
备注
NeurIPS 2022 Cell Segmentation Challenge