HyperAIHyperAI

Command Palette

Search for a command to run...

Point2Mask: نهج مراقبة ضعيفة لفصل الخلايا باستخدام التسمية النقطية

Andreas Dengel & Sheraz Ahmed Rickard Sjögren Johan Trygg Timothy R Jackson Christoffer Edlund Mohsin Munir Mohammadmahdi Koochali Fabian Schmeisser Nabeel Khalid

الملخص

تحديد الخلايا في الصور الميكروسكوبية يُعد خطوة جوهرية في دراسة الأبحاث البيولوجية القائمة على الصور. يتيح تقسيم مثيلات الخلايا فرصة لدراسة شكل الخلية وهندستها وتركيبها وحجمها. تعتمد الأساليب العميقة لتقسيم مثيلات الخلايا على قناع تقسيم مثيل لكل خلية، وهي مهمة تستهلك وقتًا كبيرًا وتكاليف باهظة. تتوفر كميات كبيرة من البيانات الميكروسكوبية غير المُعلّمة في مجال علم الأحياء الخلوي، ولكن نظرًا للطابع المُتعب والمبّلغ التكلفة للتعليقات المطلوبة لتقنيات تقسيم مثيلات الخلايا، لم يتم استغلال الإمكانات الكاملة لهذه البيانات. يقدم هذا البحث منهجًا مُراقبًا ضعيفًا يمكنه إجراء تقسيم مثيلات الخلايا باستخدام فقط تسميات نقطية وحدود مربعة. ويقلل هذا بشكل كبير من جهود التسمية. وقد تم تقييم المنهج المقترح على مجموعة بيانات معيارية تُسمى LIVECell، حيث تم تحقيق درجة دقة المتوسطة المتوسطة (mAP) البالغة 43.53% باستخدام حدود مربعة فقط ونقاط عشوائية مُولدة على كل خلية، وهي درجة تُعتبر مماثلة للمنهج المُراقب بالكامل الذي تم تدريبه باستخدام قناع تقسيم كامل. بالإضافة إلى ذلك، فإن عملية التسمية باستخدام الحدود المربعة والنقاط تكون أسرع بـ 3.71 مرة مقارنةً بتسمية القناع الكامل.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp