NCIS：基于深度颜色梯度图回归与三分类像素判别的尼氏染色组织图像神经元细胞实例分割增强方法
图像与视频处理
2023-11-07 v1 计算机视觉与模式识别
定量方法
摘要
深度学习已被证明在医学图像分析中比其他方法更有效，包括看似简单但具有挑战性的单个细胞分割任务，这是许多生物学研究的关键步骤。比较神经解剖学研究即是一个例子，其中神经元细胞的实例分割对于细胞构筑表征至关重要。本文提出一种端到端框架，用于自动分割脑尼氏染色组织图像中的单个神经元细胞，从而旨在为脑细胞构筑变化研究提供可靠的形态学与结构分析。我们利用类U-Net架构，以EfficientNet为编码器、两个解码分支分别回归四张颜色梯度图并将像素分类为接触细胞间的轮廓、细胞体或背景。解码分支通过注意力门连接以共享相关特征，其输出被组合以返回细胞的实例分割。该方法在大脑皮层与小脑图像上进行了测试，优于其他近期基于深度学习的细胞实例分割方法。
引用
@article{arxiv.2306.15784,
title = {NCIS: Deep Color Gradient Maps Regression and Three-Class Pixel Classification for Enhanced Neuronal Cell Instance Segmentation in Nissl-Stained Histological Images},
author = {Valentina Vadori and Antonella Peruffo and Jean-Marie Graïc and Livio Finos and Livio Corain and Enrico Grisan},
journal= {arXiv preprint arXiv:2306.15784},
year = {2023}
}