SpotNet——用于基于图像的免疫分析中细胞检测的习得迭代方法
图像与视频处理
2019-04-23 v3 定量方法
摘要
在基于图像的 ELISpot 和 FluoroSpot 免疫检测中，准确的细胞检测与计数是一项具有挑战性的任务。近期提出的方法通过利用这些检测底层物理过程的先验知识并使用近端优化方法求解逆问题，达到了与人类相当的精度。然而，往往需要进行数千次计算昂贵的迭代才能逼近最优解。在本文中，我们利用迭代的结构设计了一个参数化计算图 SpotNet，它从若干训练图像及其相应细胞信息中学习嵌入其中的模式。此外，我们将 SpotNet 与为细胞检测定制的卷积神经网络结构进行比较。我们给出的经验证据表明，尽管两种设计在合成数据上获得的检测性能都远超人类专家，但 SpotNet 更易于训练，并对每个细胞的粒子分泌量给出更好的估计。
引用
@article{arxiv.1810.06132,
title = {SpotNet - Learned iterations for cell detection in image-based immunoassays},
author = {Pol del Aguila Pla and Vidit Saxena and Joakim Jaldén},
journal= {arXiv preprint arXiv:1810.06132},
year = {2019}
}
备注
5 pages, 4 figures, 2019 IEEE 16th International Symposium on Biomedical Imaging (ISBI 2019), Venice, Italy, April 8-11, 2019