Evaluation of Deep Learning Topcoders Method for Neuron Individualization in Histological Macaque Brain Section

要約

細胞の個別化は、デジタル病理画像解析において重要な役割を担っている。Deep Learningは、細胞の個別化を含むインスタンスセグメンテーションタスクのための効率的なツールとして考えられている。しかし、Deep Learningモデルの精度は、膨大な不偏データセットと手動によるピクセルレベルのアノテーションに依存しており、労力がかかる。さらに、Deep Learningのほとんどのアプリケーションは、腫瘍学的データの処理用に開発されている。これらの課題を克服するために、i）提供されたポイントアノテーションのみでピクセルレベルのラベルを合成するパイプラインを確立し、ii）神経学的データで細胞の個別化を実行するアンサンブルDeep Learningアルゴリズムをテストしました。結果は、提案された方法が、オブジェクトレベルとピクセルレベルの両方で神経細胞をうまくセグメント化し、平均検出精度が0.93であることを示唆している。

要約(オリジナル)

Cell individualization has a vital role in digital pathology image analysis. Deep Learning is considered as an efficient tool for instance segmentation tasks, including cell individualization. However, the precision of the Deep Learning model relies on massive unbiased dataset and manual pixel-level annotations, which is labor intensive. Moreover, most applications of Deep Learning have been developed for processing oncological data. To overcome these challenges, i) we established a pipeline to synthesize pixel-level labels with only point annotations provided; ii) we tested an ensemble Deep Learning algorithm to perform cell individualization on neurological data. Results suggest that the proposed method successfully segments neuronal cells in both object-level and pixel-level, with an average detection accuracy of 0.93.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL