Segmentation of Weakly Visible Environmental Microorganism Images Using Pair-wise Deep Learning Features

要約

環境微生物 (EM) の使用は、汚染物質を監視および分解することにより、環境汚染に対して非常に効率的で低コストで無害な治療法を提供します。
これは、EM が正しくセグメント化され、識別される方法に依存します。
透過性があり、ノイズが多く、コントラストが低い弱可視 EM 画像のセグメンテーションを強化する目的で、ペアワイズ ディープ ラーニング フィーチャ ネットワーク (PDLF-Net) がこの研究で提案されています。
PDLF を使用すると、各画像のペアワイズ ディープ ラーニング機能をベース モデル SegNet のさまざまなブロックに連結することで、ネットワークはフォアグラウンド (EM) により集中できます。
Shi および Tomas 記述子を活用して、VGG-16 モデルを使用して各記述子を中心とするパッチ上の各画像の深い特徴を抽出します。
次に、記述子間の中間特性を学習するために、Delaunay 三角形分割定理に基づいて特徴のペアリングが実行され、ペアワイズ深層学習特徴が形成されます。
この実験では、PDLF-Net は、精度、IoU、Dice、VOE、感度、精度、および特異性で、それぞれ 89.24%、63.20%、77.27%、35.15%、89.72%、91.44%、および 89.30% という優れたセグメンテーション結果を達成しています。
.

要約(オリジナル)

The use of Environmental Microorganisms (EMs) offers a highly efficient, low cost and harmless remedy to environmental pollution, by monitoring and decomposing of pollutants. This relies on how the EMs are correctly segmented and identified. With the aim of enhancing the segmentation of weakly visible EM images which are transparent, noisy and have low contrast, a Pairwise Deep Learning Feature Network (PDLF-Net) is proposed in this study. The use of PDLFs enables the network to focus more on the foreground (EMs) by concatenating the pairwise deep learning features of each image to different blocks of the base model SegNet. Leveraging the Shi and Tomas descriptors, we extract each image’s deep features on the patches, which are centered at each descriptor using the VGG-16 model. Then, to learn the intermediate characteristics between the descriptors, pairing of the features is performed based on the Delaunay triangulation theorem to form pairwise deep learning features. In this experiment, the PDLF-Net achieves outstanding segmentation results of 89.24%, 63.20%, 77.27%, 35.15%, 89.72%, 91.44% and 89.30% on the accuracy, IoU, Dice, VOE, sensitivity, precision and specificity, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google