InstanSeg: an embedding-based instance segmentation algorithm optimized for accurate, efficient and portable cell segmentation

要約

細胞と核のセグメンテーションは、定量的生体画像解析の基本的なタスクです。
近年の進歩にもかかわらず、生物学者やその他の分野の専門家は、ますます大規模で複雑になる現実世界のデータセットを処理するための新しいアルゴリズムを依然として必要としています。
これらのアルゴリズムは、最先端の精度を達成するだけでなく、効率、移植性、使いやすさを考慮して最適化する必要があります。
ここでは、顕微鏡画像内の細胞と核を識別するために設計された新しい埋め込みベースのインスタンス セグメンテーション パイプラインである InstanSeg を紹介します。
6 つのパブリック セル セグメンテーション データセットを使用して、InstanSeg が最も広く使用されている代替方法と比較して精度を大幅に向上させながら、処理時間を少なくとも 60% 短縮できることを実証しました。
さらに、InstanSeg は、TorchScript として完全にシリアル化できるように設計されており、さまざまなハードウェアで GPU アクセラレーションをサポートしています。
Java で記述されたユーザーフレンドリーでインタラクティブな推論用の QuPath 拡張機能に加えて、Python での InstanSeg のオープンソース実装を提供します。
私たちのコードと事前トレーニングされたモデルは https://github.com/instanseg/instanseg で入手できます。

要約(オリジナル)

Cell and nucleus segmentation are fundamental tasks for quantitative bioimage analysis. Despite progress in recent years, biologists and other domain experts still require novel algorithms to handle increasingly large and complex real-world datasets. These algorithms must not only achieve state-of-the-art accuracy, but also be optimized for efficiency, portability and user-friendliness. Here, we introduce InstanSeg: a novel embedding-based instance segmentation pipeline designed to identify cells and nuclei in microscopy images. Using six public cell segmentation datasets, we demonstrate that InstanSeg can significantly improve accuracy when compared to the most widely used alternative methods, while reducing the processing time by at least 60%. Furthermore, InstanSeg is designed to be fully serializable as TorchScript and supports GPU acceleration on a range of hardware. We provide an open-source implementation of InstanSeg in Python, in addition to a user-friendly, interactive QuPath extension for inference written in Java. Our code and pre-trained models are available at https://github.com/instanseg/instanseg .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google