基于 3DCNN 似然图估计的相差显微镜时空有丝分裂检测
机器学习
2020-06-02 v2 机器学习
摘要
延时相差显微镜中的自动有丝分裂检测为细胞行为分析提供了大量信息，因此已有若干有丝分裂检测方法被提出。然而，这些方法仍存在两个问题：1）当多个有丝分裂事件紧密相邻时无法检测；2）未考虑标注间隙，而由于有丝分裂细胞在标注帧前后的外观非常相似，此类间隙可能出现。本文中，我们提出一种新颖的有丝分裂检测方法，通过 3DCNN 估计时空似然图，能够检测候选序列中的多个有丝分裂事件并缓解人工标注间隙。在该训练中，损失随真实值与估计值之间间隙大小逐渐减小，从而缓解标注间隙。在包含四种不同条件下数据的具有挑战性数据集上，我们的方法在 F1-score 方面优于对比方法。
引用
@article{arxiv.2004.12531,
title = {Spatial-Temporal Mitosis Detection in Phase-Contrast Microscopy via Likelihood Map Estimation by 3DCNN},
author = {Kazuya Nishimura and Ryoma Bise},
journal= {arXiv preprint arXiv:2004.12531},
year = {2020}
}
备注
5 pages, 6 figures, Accepted in EMBC 2020