BFS-Net: Weakly Supervised Cell Instance Segmentation from Bright-Field Microscopy Z-Stacks

要約

明視野顕微鏡(BFM)による体積情報取得は、その有用性にもかかわらず、取得プロセスの投影的性質により本質的に困難である。我々は、BFMのZ-Stack画像から3次元細胞インスタンスを予測することを研究している。我々は、細胞の体積インスタンス分割のための新しい2段階の弱教師付き手法を提案する。この手法は、近似的な細胞の中心点の注釈を必要とするだけである。また、作成された擬似ラベルは、Zスタックガイドを用いた新しい精密化損失により精密化される。評価により、我々のアプローチはBFM Z-Stackデータだけでなく、他の3D細胞イメージングモダリティにも一般化できることが示された。また、本パイプラインを完全教師あり手法と比較した結果、データ収集とラベリングを削減することで得られる大きな利益は、わずかな性能差であることが示された。

要約(オリジナル)

Despite its broad availability, volumetric information acquisition from Bright-Field Microscopy (BFM) is inherently difficult due to the projective nature of the acquisition process. We investigate the prediction of 3D cell instances from a set of BFM Z-Stack images. We propose a novel two-stage weakly supervised method for volumetric instance segmentation of cells which only requires approximate cell centroids annotation. Created pseudo-labels are thereby refined with a novel refinement loss with Z-stack guidance. The evaluations show that our approach can generalize not only to BFM Z-Stack data, but to other 3D cell imaging modalities. A comparison of our pipeline against fully supervised methods indicates that the significant gain in reduced data collection and labelling results in minor performance difference.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL