基于单视角星凸多边形的空间相关生物医学目标实例分割

生物医学图像中常包含已知与空间相关或嵌套的对象，这些对象因其内在属性导致具有语义关系。例如，细胞核位于真核细胞内部，或种群仅生长于培养皿内。尽管这些语义关系具有关键重要性，但检测任务通常被独立地形式化，要求多阶段分析流程。重要的是，空间相关性可能构成一种基本先验，促进学习更有意义的表示，以用于实例分割等任务。然而，这一知识迄今为止尚未被生物医学计算机视觉社区所利用。我们认为，对两类或更多类对象的实例分割可以并行实现。我们通过两种基于广泛使用的 StarDist（SD）的架构实现了这一点，即 HydraStarDist（HSD）和新颖的 HSD-WBR，以充分利用我们目标对象的星凸性。HSD 和 HSD-WBR 被构建为能够将它们的相互作用作为约束纳入考虑。HSD 通过联合编码器隐式地基于对象相互作用 incorporating 空间相关性先验。HSD-WBR 进一步通过我们提出的名为 Within Boundary Regularisation Penalty（WBR）的惩罚项在正则化层中强制执行该先验。两种架构均实现了单次完成嵌套实例分割。我们基于 IoU_R 和 AP 以及一个新的任务相关指标——联合真阳性率（JTPR）——展示了它们相对于其基线 SD 和 Cellpose 的竞争性和优越性。我们的方法还可以进一步修改，以捕获荧光或明场显微镜或数字成像中多对象相互作用中的部分包含/排除关系。最后，我们的策略表明，通过将学习过程变为单次且计算高效，可获得收益。