作者 | 陈兴民 编辑 | 李仲深
论文题目
Guided interactive image segmentation using machine learning and color-based image set clustering
论文摘要
动机:在过去的几十年中，图像处理和分析已经成为系统生物学和医学的关键技术之一。生物系统中解剖结构和动态过程的量化对于理解复杂的潜在机制至关重要，并允许构建时空模型，阐明结构和功能之间的相互作用。最近，深度学习在成像技术提供大量数据的情况下显著改善了传统图像分析的性能。然而，如果只有少数图像可用，或者合格的注释制作成本高昂，深度学习的适用性仍然有限。
结果：我们提出了一种新方法，将基于机器学习的交互式图像分割（使用超体素）与聚类方法相结合，用于自动识别大型图像集中类似颜色的图像，从而实现交互式训练分类器的引导重用。我们的方法解决了重复使用训练分类器时分割和量化精度下降的问题，这是由于生物和医学图像中普遍存在且通常不可避免的显著颜色变化。这种效率的提高提高了交互式分割对更大图像集的适用性，使得能够以最小的努力有效量化或快速生成用于深度学习的训练数据。所提出的方法适用于几乎任何图像类型，并且通常是图像分析任务的有用工具。
可用性和实现
所提出的方法在我们的图像处理软件TiQuant中实现，该软件可在TiQuant.hoehme.com免费获得。
论文链接
https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btac547/6670619
