三维荧光显微镜图像合成与分割
计算机视觉与模式识别
2019-04-16 v2 机器学习
图像与视频处理
摘要
荧光显微镜的进步使得能够获取具有更优图像质量及更深组织穿透力的 3D 图像体数据。分割是表征和分析图像中生物结构的必要步骤，且近期基于深度学习的三维分割已取得令人鼓舞的结果。其中一个问题是，深度学习技术需要大量真值数据，而手动标注大规模 3D 显微镜体数据是不切实际的。本文描述了一种利用合成 3D 体数据进行训练的 3D 深度学习细胞核分割方法。使用空间约束循环一致对抗网络生成了一组合成体数据及相应的真值。分割结果表明，我们所提出的方法能够成功地对多种数据集中的细胞核进行分割。
引用
@article{arxiv.1801.07198,
title = {Three Dimensional Fluorescence Microscopy Image Synthesis and Segmentation},
author = {Chichen Fu and Soonam Lee and David Joon Ho and Shuo Han and Paul Salama and Kenneth W. Dunn and Edward J. Delp},
journal= {arXiv preprint arXiv:1801.07198},
year = {2019}
}
备注
Accepted by CVPR Workshop on Computer Vision for Microscopy Image Analysis (CVMI)