鲁棒的 3D 细胞分割：拓展 Cellpose 的视野
图像与视频处理
2022-02-02 v3 计算机视觉与模式识别
摘要
3D 显微成像实验的数据集规模不断增长，要求分割过程实现自动化以提取有意义的生物医学信息。由于可用于基于机器学习方法的标注 3D 图像数据匮乏，3D 分割方法需要具备鲁棒性并能很好地泛化到未见过的数据。Stringer 等人提出的 Cellpose 方法被证明是一种用于细胞实例分割任务的通用方法。在本文中，我们扩展了 Cellpose 方法以提高在 3D 图像数据上的分割精度，并进一步展示了如何简化梯度图的表述，同时仍保持鲁棒性并达到相似的分割精度。代码已公开可用，并被集成到两个成熟的开源应用中，使得无需任何编程知识即可使用 Cellpose 的 3D 扩展。
引用
@article{arxiv.2105.00794,
title = {Robust 3D Cell Segmentation: Extending the View of Cellpose},
author = {Dennis Eschweiler and Richard S. Smith and Johannes Stegmaier},
journal= {arXiv preprint arXiv:2105.00794},
year = {2022}
}