通过升级低质量的注释来降低细胞分割的手动注释成本
Serban Vădineanu1, Daniël M Pelt1, Oleh Dzyubachyk2
1Leiden Institute of Advanced Computer Science, Leiden University, 2311 EZ Leiden, The Netherlands.
Journal of imaging
|July 26, 2024
概括
本研究介绍了一种方法,使用深度学习来改进低质量的细胞图像注释,显著降低注释成本并提高细分网络性能. 该方法将标签升级为遗漏,包含或偏见错误,实现与基本真相高度相似.
科学领域:
- 计算生物学 计算生物学
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 针对细胞细分的深度学习需要广泛的,高质量的注释数据集,这些数据集的生产成本高,耗时长.
- 高昂的注释成本可能是开发准确的细胞细分模型的重要障碍.
研究的目的:
- 开发一种深度学习方法来升级低质量的细胞图像注释,从而减少注释时间和成本.
- 评估拟议方法在纠正各种类型的注释错误 (遗漏,包含,偏差) 中的有效性.
- 为了证明升级注释在训练改进的细胞细分网络中的实用性.
主要方法:
- 在一个小而高质量的数据集上训练了一个卷积神经网络,以学习如何升级低质量的注释.
- 该方法在模拟遗漏,包含和偏差错误的注释上进行了测试.
- 使用Dice相似系数与基准真相注释来量化性能.
主要成果:
- 提出的方法成功地升级了具有高错误级别的注释,实现了高达0.9.9的Dice相似度得分.
- 训练细胞细分网络的组合,以及注释和升级的数据导致更好的性能,而不是只使用注释的数据集.
- 一个用例证明了从仅在10个注释样本上训练的网络中预测的质量成功提高.
结论:
- 深度学习可以有效地升级低质量的细胞图像注释,显著降低注释成本.
- 通过升级注释来扩大小,高质量的数据集,可以提高细胞细分模型的性能.
- 这种方法提供了一种实际的解决方案,用于在资源有限的环境中增强细胞图像分析.
更多相关视频
相关概念视频
01:22Bioreactor Controls-III
Strain improvement is a foundational strategy in industrial microbiology aimed at maximizing microbial productivity, particularly because natural isolates typically yield commercially valuable products in very low concentrations. Although optimizing the culture medium and environmental conditions can improve yields, these adjustments are inherently limited by the organism’s genetic potential. As a result, the focus shifts toward genetic modifications to enhance biosynthetic capacity. The...
01:29Downstream Processing
Downstream processing begins once fermentation is complete and involves a series of steps to recover and purify products such as acids, vitamins, antibiotics, or proteins.Cell HarvestingFor example, for intracellular protein-based products, the first step is harvesting the cells. This is typically achieved using centrifugation or filtration to separate the cells from the liquid phase.Cell Disruption for Intracellular ProductsIf the target product is intracellular, the harvested cells must be...