Defining the boundaries: challenges and advances in identifying cells in microscopy images

要約

セグメンテーション、つまり画像内のオブジェクトの輪郭を描くことは、顕微鏡画像内の細胞の測定と分析における重要なステップです。
セグメンテーションの古典的な手法に依存するツールでは改良が続けられていますが、ディープ ラーニング ベースのツールがテクノロジーの進歩をますます支配しています。
Cellpose などの専門モデルは精度と使いやすさの向上を続けており、マルチモダリティ セル セグメンテーション チャレンジなどのセグメンテーションの課題は、効率と使いやすさだけでなく、広範囲に変化するテスト データにわたる精度の革新を推進し続けています。
文書化、共有、評価基準に対する注目の高まりにより、使いやすさが向上し、真に普遍的な方法という目標に向けた加速がもたらされています。

要約(オリジナル)

Segmentation, or the outlining of objects within images, is a critical step in the measurement and analysis of cells within microscopy images. While improvements continue to be made in tools that rely on classical methods for segmentation, deep learning-based tools increasingly dominate advances in the technology. Specialist models such as Cellpose continue to improve in accuracy and user-friendliness, and segmentation challenges such as the Multi-Modality Cell Segmentation Challenge continue to push innovation in accuracy across widely-varying test data as well as efficiency and usability. Increased attention on documentation, sharing, and evaluation standards are leading to increased user-friendliness and acceleration towards the goal of a truly universal method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google