利用时间一致性的延时图像半监督细胞检测
计算机视觉与模式识别
2021-07-20 v1
摘要
细胞检测是从显微图像中检测细胞 centroid 近似位置的任务。近年来，基于卷积神经网络的方法取得了有前景的性能。然而，这些方法针对每种成像条件都需要一定数量的标注。该标注是一项耗时且劳动密集的任务。为克服此问题，我们提出了一种半监督细胞检测方法，其有效利用具有一张标注图像而其他图像未标注的延时序列。首先，我们用一张标注图像训练细胞检测网络，并用训练好的网络估计未标注图像。然后，我们通过将检测到的细胞从标注帧追踪到远离它的那些帧，从估计结果中选取高置信度位置。接下来，我们根据追踪结果生成伪标签，并利用伪标签训练网络。我们在公共数据集的七种条件下评估了我们的方法，相对于其他半监督方法取得了最佳结果。我们的代码可在 https://github.com/naivete5656/SCDTC 获取。
引用
@article{arxiv.2107.08639,
title = {Semi-supervised Cell Detection in Time-lapse Images Using Temporal Consistency},
author = {Kazuya Nishimura and Hyeonwoo Cho and Ryoma Bise},
journal= {arXiv preprint arXiv:2107.08639},
year = {2021}
}
备注
11 pages, 5 figures, Accepted in MICCAI2021