iPS 细胞语义分割：模型复杂度在生物医学成像中的应用
计算机视觉与模式识别
2025-07-30 v1
摘要
医学图像分割不仅要求准确率，还需在挑战性成像条件下保持稳健性。本研究表明，经过精心配置的 DeepLabv3 模型可在分割诱导多能干细胞（iPS）细胞群落时实现高性能，且在实验条件下超过了大规模基础模型如 SAM2 及其医学变体 MedSAM2（无需结构修改）。这些结果表明，对于边界细微、低对比度的特定任务，模型复杂度的增加并不一定导致更好的性能。我们的工作重审了“越来越大型和更通用的架构始终是更好的选择”这一假设，提供证据表明，适当调整后，较简单的模型在特定领域的生物医学应用中可能具备强大的准确率和实际可靠性。我们还提供了一个开源实现，包含小数据集策略和领域特定编码，旨在支持再生医学及相关领域语义分割的进一步发展。
引用
@article{arxiv.2507.21608,
title = {Semantic Segmentation of iPS Cells: Case Study on Model Complexity in Biomedical Imaging},
author = {Maoquan Zhang and Bisser Raytchev and Xiujuan Sun},
journal= {arXiv preprint arXiv:2507.21608},
year = {2025}
}
备注
19th International Conference on Machine Vision Applications MVA2025