基于低层线索的多模态图像多流细胞分割
计算机视觉与模式识别
2023-10-24 v1
摘要
由于多模态显微图像中复杂的纹理、模式与细胞形状，其细胞分割仍具挑战性。为应对该问题，我们首先开发了一个自动细胞分类流程，基于低层图像特征对显微图像进行标注，随后依据类别标签训练一个分类模型。之后，我们使用对应类别的图像为每个类别分别训练一个分割模型。此外，我们进一步部署两类分割模型，分别分割圆形与不规则形状的细胞。同时，采用一个高效且强大的骨干模型来提升分割模型的效率。在 NeurIPS 2022 细胞分割挑战赛的 Tuning Set 上评估，我们的方法取得了 0.8795 的 F1 分数，且所有病例的运行时间均在时间容限之内。
引用
@article{arxiv.2310.14226,
title = {Multi-stream Cell Segmentation with Low-level Cues for Multi-modality Images},
author = {Wei Lou and Xinyi Yu and Chenyu Liu and Xiang Wan and Guanbin Li and Siqi Liu and Haofeng Li},
journal= {arXiv preprint arXiv:2310.14226},
year = {2023}
}
备注
The second place in NeurIPS 2022 cell segmentation challenge (https://neurips22-cellseg.grand-challenge.org/), released code: https://github.com/lhaof/CellSeg