RCNN-SliceNet：一种用于三维荧光显微图像中细胞核中心检测的切片与聚类方法
图像与视频处理
2021-11-05 v3 计算机视觉与模式识别
摘要
鲁棒且准确的细胞核中心检测对于理解荧光显微图像中的生物结构十分重要。现有的自动化细胞核定位方法面临三个主要挑战：(1) 大多数目标检测方法仅适用于二维图像，难以扩展到三维体数据；(2) 基于分割的模型可用于三维体数据，但对大型显微体数据计算代价高昂，且难以区分不同目标实例；(3) 三维显微体数据的手工标注真值有限。为解决这些问题，我们提出了一种可扩展的三维显微体数据细胞核中心检测方法。我们描述了 RCNN-SliceNet，用于从多个方向检测体数据每一切片的二维细胞核中心，并利用三维凝聚层次聚类（AHC）估计体数据中细胞核的三维中心。该模型使用空间约束循环一致对抗网络（SpCycleGAN）生成的合成显微数据进行训练，并在不同类型真实三维显微数据上测试。大量实验结果表明，我们提出的方法能够准确计数并检测三维显微体数据中的细胞核中心。
引用
@article{arxiv.2106.15753,
title = {RCNN-SliceNet: A Slice and Cluster Approach for Nuclei Centroid Detection in Three-Dimensional Fluorescence Microscopy Images},
author = {Liming Wu and Shuo Han and Alain Chen and Paul Salama and Kenneth W. Dunn and Edward J. Delp},
journal= {arXiv preprint arXiv:2106.15753},
year = {2021}
}