DIBaS 数据集革兰氏染色显微图像的半自动标注与语义分割
图像与视频处理
2022-08-24 v1 计算机视觉与模式识别
信号处理
摘要
在本文中，利用聚类和阈值分割算法对 DIBaS 数据集中的细菌属与种进行了半自动标注。训练了一个深度学习模型以实现细菌种类的语义分割与分类，达到了 95% 的分类准确率。深度学习模型在生物医学图像处理中有巨大应用。从革兰氏染色显微图像中自动分割细菌对于诊断呼吸道和尿路感染、检测癌症等至关重要。深度学习将帮助生物学家在更短时间内获得可靠结果，此外还能减少大量人工干预。本工作可有助于从尿液涂片图像、痰涂片图像等中检测细菌，以诊断尿路感染、结核病、肺炎等。
引用
@article{arxiv.2208.10737,
title = {Semi-Automatic Labeling and Semantic Segmentation of Gram-Stained Microscopic Images from DIBaS Dataset},
author = {Chethan Reddy G. P. and Pullagurla Abhijith Reddy and Vidyashree R. Kanabur and Deepu Vijayasenan and Sumam S. David and Sreejith Govindan},
journal= {arXiv preprint arXiv:2208.10737},
year = {2022}
}