用于自动细胞分割的开源基础设施
机器学习
2024-09-13 v1 计算机视觉与模式识别
定量方法
摘要
自动细胞分割对各种生物学和医学应用至关重要，可促进细胞计数、形态学分析和药物发现等任务。然而，人工分割耗时且易受主观影响，因此需要鲁棒的自动化方法。本文提出了一种开源基础设施，采用了在图像分割任务中以高效著称的深度学习架构 UNet 模型。该实现被集成到开源 DeepChem 包中，提升了研究人员和从业者的可及性与可用性。由此产生的工具提供了便捷且用户友好的界面，在保持高精度的同时降低了细胞分割的入门门槛。此外，我们在各种数据集上对该模型进行了基准测试，证明了其在不同成像条件和细胞类型下的鲁棒性与通用性。
引用
@article{arxiv.2409.08163,
title = {Open Source Infrastructure for Automatic Cell Segmentation},
author = {Aaron Rock Menezes and Bharath Ramsundar},
journal= {arXiv preprint arXiv:2409.08163},
year = {2024}
}