SegET：具有丰富上下文特征用于电子断层图像中细胞结构分割的深度神经网络
计算机视觉与模式识别
2018-11-29 v1
摘要
电子断层成像（ET）允许在近天然状态下对大分子复合物进行高分辨率重建。从电子断层图像重建数据中对细胞结构进行分割通常是分析和可视化生物结构所必需的，这使其成为全细胞结构定量描述和理解生物功能的强大工具。然而，由于复杂的分子环境以及 ET 重建数据的局限性，这些细胞结构很难从视图中自动分离或量化。在本文中，我们提出了一种称为 SegET 的端到端深度全卷积语义分割网络，其具有丰富上下文特征，可充分利用多尺度、多层次的上下文信息，并减少 ET 图像中细胞结构细节的丢失。我们在来自细胞图像库的 CTL 免疫突触电子断层体数据上训练和评估了我们的网络。我们的结果表明，SegET 能够自动准确分割，并在我们的 ET 数据集上对每个单独结构均优于所有其他基线方法。
引用
@article{arxiv.1811.11729,
title = {SegET: Deep Neural Network with Rich Contextual Features for Cellular Structures Segmentation in Electron Tomography Image},
author = {Enze Zhang and Fa Zhang and Zhiyong Liu and Xiaohua Wan and Lifa Zhu},
journal= {arXiv preprint arXiv:1811.11729},
year = {2018}
}