Jun, 2022

BFS-Net: 来自亮场显微镜 Z - 堆叠的弱监督细胞实例分割

PDF
TL;DR本文提出了一种新的两阶段弱监督方法，通过亚像素级的细胞核标记来进行亮场显微镜 (Z-Stack) 图像的三维细胞实例分割，并使用新的细微损失函数进行伪标签的改进。评估结果表明，该方法不仅适用于 BFM Z-Stack 数据，还适用于其他 3D 细胞成像模式，与完全监督方法相比，其主要优势是减少数据收集和标注的工作量。
bright-field microscopy3d cell instancesvolumetric instance segmentationweakly supervised methodz-stack guidance
发现论文，激发创造
  • BAISeg：边界辅助的弱监督实例分割

    我们提出了一种新的弱监督实例分割方法，通过预测类不可知的实例边界而不是实例中心点来识别实例，进一步增强了实例边界的连续性和闭合性，并且在只使用像素级注释的情况下取得了可观的性能。

    May, 2024

  • 基于检测响应传播的弱监督细胞实例分割

    本文提出了一种弱监督方法，可以在密集条件下分割相互接触、边界不清的单个细胞区域，无需单独的训练数据，通过多种显微镜捕获的多种细胞类型的数据集验证了该方法的有效性。

    Nov, 2019

  • 组织学肿瘤弱监督多实例学习分割

    本文提出了一种弱监督整个切片图像分割的框架，利用标准的临床注释，采用多实例学习方案进行模型训练，并在 The Cancer Genome Atlas 和 PatchCamelyon 数据集上进行了评估，显示出一定的潜力.

    Apr, 2020

  • 基于骨架辅助的显微镜细分微细分割

    通过提出一种名为 A2B-IS 的新框架，结合高斯骨架图和半监督学习策略，我们解决了显微镜图像分析中实例分割的一个基本挑战，使得模型在处理群集区域，连接的多个不同大小和形状的目标以及任意方向重叠的情况下能够获得更高的准确度。

    Jan, 2024

  • 具有选择性叠加的模糊一致性分割框架在差分干涉对抗 3D 乳腺癌球体中的应用

    利用三维（3D）球体建模来研究乳腺癌细胞的侵袭行为的能力引起了越来越多的关注。本研究提出了一种新的算法来处理模糊图像，并保持堆叠图像的质量。此外，还通过利用一致性训练和自我训练方法，提出了一种新的训练架构，减少了模型在堆叠效果条件下的偏差，并提高了模型在稀疏堆叠效果下的稳定性。通过将新的模糊堆叠技术和训练流程与建议的架构和自我训练机制相结合，我们提供了一个创新且易于使用的框架，实验结果在定量和定性方面都表现出色。

    Jun, 2024

  • Box2Mask: 使用边界框进行弱监督的三维语义实例分割

    本文提出 Box2Mask 方法，利用 3D 包围盒标签进行弱监督学习，通过 Hough 投票和聚类方法实现 3D 实例分割，无需密集注释点云数据，模型在 ScanNet 测试上达到领先水平（+18 mAP@50），并在实现 3D 实例分割掩码方面取得了令人信服的结果。

    Jun, 2022

  • 利用组织病理图像中的部分点注释进行弱监督深度细胞核分割

    本文提出了一种基于部分点注释的弱监督分割框架，其中包括两个阶段的半监督策略和深度神经网络的使用，使得核分割的自动化处理不需要大量的标注数据和额外的计算负担。

    Jul, 2020

  • 组织病理学图像分割的受限深度弱监督

    本文提出了一种新的弱监督学习算法，命名为 DWS-MIL，用于学习在组织病理学图像中分割癌症区域，该算法集成了全卷积网络、多尺度学习和正实例约束等技术，通过图像弱监督传递的信息完成分割任务，并在医学图像处理领域取得了最优结果。

    Jan, 2017

  • 三维荧光显微镜图像合成和分割

    本研究提出了一种使用合成 3D 体积进行深度学习核分割的方法，通过空间约束的对抗网络生成一组合成 3D 体积和相应的地面真实数据集，对各种数据集成功地完成了核分割任务。

    Jan, 2018

  • 基于协作知识分享的点监督单细胞分割

    本文提出了一种基于自学习的方法，即协同知识共享，用于在单细胞分割模型的弱监督训练中，通过共享主模型和轻量级协作者模型之间的知识来缓解大规模训练数据的需要。实验结果表明该方法在不需要大规模手动标注训练数据的情况下，能够取得较好的单细胞分割效果。

    Apr, 2023