CP-Net : réseau de segmentation de parties conscient des instances pour l'analyse des cellules biologiques

La segmentation d'instances de cellules biologiques est importante dans l'analyse d'images médicales pour identifier et segmenter des cellules individuelles, et la mesure quantitative des structures subcellulaires nécessite une segmentation de parties subcellulaires au niveau cellulaire. Les mesures de structures subcellulaires sont critiques pour le phénotypage cellulaire et l'analyse de la qualité. À ces fins, un réseau de segmentation de parties conscient des instances est d'abord introduit pour distinguer les cellules individuelles et segmenter les structures subcellulaires pour chaque cellule détectée. Cette approche est démontrée sur des spermatozoïdes humains puisque l'Organisation mondiale de la santé a établi des normes quantitatives pour l'évaluation de la qualité du sperme. Plus précisément, un nouveau réseau d'analyse cellulaire (CP-Net) est proposé pour une analyse cellulaire précise au niveau de l'instance. Un module de fusion des caractéristiques basé sur l'attention est conçu pour atténuer les désalignements de contours pour les cellules de forme irrégulière en utilisant des masques d'instance comme indices spatiaux plutôt qu'en tant que contraintes strictes pour différencier diverses instances. Un module de segmentation grossier à fin est développé pour segmenter efficacement de minuscules structures subcellulaires au sein d'une cellule à travers une segmentation hiérarchique du tout à la partie au lieu de segmenter directement chaque partie de cellule. De plus, un jeu de données d'analyse de spermatozoïdes est constitué de 320 images de spermatozoïdes annotées avec cinq étiquettes de parties subcellulaires sémantiques. Des expériences approfondies sur le jeu de données collecté montrent que le CP-Net proposé surpasse les réseaux de segmentation de parties conscient des instances à la pointe de la technologie.