通过时间箭头预测进行细胞事件识别的自监督表征学习
计算机视觉与模式识别
2024-11-12 v2
摘要
活细胞显微成像数据的时空特性对细胞状态分析提出了挑战，而细胞状态分析是生物成像的基础。基于深度学习的分割或跟踪方法依赖大量高质量标注才能有效工作。在这项工作中，我们探索了一种替代方案：使用在时间箭头预测 (TAP) 上进行自监督表征学习 (SSRL) 获得的特征图，用于细胞事件识别的下游监督任务。我们通过广泛的实验和分析证明，与使用完全监督方法从头训练模型相比，该方法可以在标注有限的情况下取得更好的性能。我们的分析还为自监督表征学习使用 TAP 在活细胞显微成像中的应用提供了见解。
引用
@article{arxiv.2411.03924,
title = {Self-supervised Representation Learning for Cell Event Recognition through Time Arrow Prediction},
author = {Cangxiong Chen and Vinay P. Namboodiri and Julia E. Sero},
journal= {arXiv preprint arXiv:2411.03924},
year = {2024}
}