A Bilayer Segmentation-Recombination Network for Accurate Segmentation of Overlapping C. elegans

要約

Caenorhabditis elegans (C. elegans) は、寿命が短く、ヒト遺伝子との相同性が高いため、優れたモデル生物であり、さまざまなヒトの健康および疾患モデルに広く使用されています。
しかし、C. elegans のセグメント化は、次の理由により依然として困難です: 1) C. elegans の活動軌跡は制御できず、複数の線虫が重なり合うことが多く、その結果 C. elegans の境界がぼやけます。
このため、特定の線虫の生涯の軌跡を明確に研究することが不可能になります。
2) 重なった C. elegans の顕微鏡画像では、端の半透明の組織が互いに不明瞭になり、不正確な境界セグメンテーションが発生します。
これらの問題を解決するために、C. elegans 個体のセグメンテーションのための二層セグメンテーション-再結合ネットワーク (BR-Net) が提案されています。
ネットワークは、粗マスク セグメンテーション モジュール (CMSM)、二層セグメンテーション モジュール (BSM)、およびセマンティック一貫性再結合モジュール (SCRM) の 3 つの部分で構成されます。
CMSM は粗いマスクを抽出するために使用され、CMSM が線虫のインスタンスをよりよく認識できるようにするために、CMSM に統合アテンション モジュール (UAM) を導入しました。
二層セグメンテーション モジュール (BSM) は、集合した線虫を重複領域と非重複領域に分割します。
これに続いて SCRM による統合が行われ、セマンティック一貫性の正則化が導入されて線虫インスタンスをより正確にセグメント化します。
最後に、この方法の有効性が C. elegans データセットで検証されます。
実験結果は、BR-Net が優れた競争力を示し、C. elegans オクルージョン画像の処理において最近提案された他のインスタンス セグメンテーション手法よりも優れていることを示しています。

要約(オリジナル)

Caenorhabditis elegans (C. elegans) is an excellent model organism because of its short lifespan and high degree of homology with human genes, and it has been widely used in a variety of human health and disease models. However, the segmentation of C. elegans remains challenging due to the following reasons: 1) the activity trajectory of C. elegans is uncontrollable, and multiple nematodes often overlap, resulting in blurred boundaries of C. elegans. This makes it impossible to clearly study the life trajectory of a certain nematode; and 2) in the microscope images of overlapping C. elegans, the translucent tissues at the edges obscure each other, leading to inaccurate boundary segmentation. To solve these problems, a Bilayer Segmentation-Recombination Network (BR-Net) for the segmentation of C. elegans instances is proposed. The network consists of three parts: A Coarse Mask Segmentation Module (CMSM), a Bilayer Segmentation Module (BSM), and a Semantic Consistency Recombination Module (SCRM). The CMSM is used to extract the coarse mask, and we introduce a Unified Attention Module (UAM) in CMSM to make CMSM better aware of nematode instances. The Bilayer Segmentation Module (BSM) segments the aggregated C. elegans into overlapping and non-overlapping regions. This is followed by integration by the SCRM, where semantic consistency regularization is introduced to segment nematode instances more accurately. Finally, the effectiveness of the method is verified on the C. elegans dataset. The experimental results show that BR-Net exhibits good competitiveness and outperforms other recently proposed instance segmentation methods in processing C. elegans occlusion images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google