A kinetic approach to consensus-based segmentation of biomedical images

要約

この研究では、有界信頼コンセンサスモデルの動的バージョンを生物医学セグメンテーション問題に適用します。
提示されたアプローチでは、各粒子/ピクセルの微視的状態に関する時間依存情報には、その空間位置とシステムの静的特性を表す特徴、つまり各ピクセルのグレーレベルが含まれます。
導入された顕微鏡モデルから、モデルの動力学的定式化を導き出します。
次に、準不変スケーリングで取得できる代理フォッカー プランク アプローチを利用して、システムの長時間の動作が計算されます。
我々は、パラメータ同定タスクのために問題のボルツマン型記述を取得するための直接シミュレーション モンテカルロ法の計算効率を利用します。
グラウンド トゥルース セグメンテーション マスクと評価されたマスクの間の距離を測定する適切な損失関数に基づいて、関連する 2D グレースケール画像のセットに導入されたセグメンテーション メトリックを最小化します。
生物医学セグメンテーションへの応用は、さまざまなイメージング研究の状況に集中しています。

要約(オリジナル)

In this work, we apply a kinetic version of a bounded confidence consensus model to biomedical segmentation problems. In the presented approach, time-dependent information on the microscopic state of each particle/pixel includes its space position and a feature representing a static characteristic of the system, i.e. the gray level of each pixel. From the introduced microscopic model we derive a kinetic formulation of the model. The large time behavior of the system is then computed with the aid of a surrogate Fokker-Planck approach that can be obtained in the quasi-invariant scaling. We exploit the computational efficiency of direct simulation Monte Carlo methods for the obtained Boltzmann-type description of the problem for parameter identification tasks. Based on a suitable loss function measuring the distance between the ground truth segmentation mask and the evaluated mask, we minimize the introduced segmentation metric for a relevant set of 2D gray-scale images. Applications to biomedical segmentation concentrate on different imaging research contexts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google