.png){kind=icon}
返回
A Boundary-Aware Cold-Diffusion Model for Electron Microscopy Segmentation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05325-1_2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电子显微镜（EM）成像技术的进步扩展了其在生命科学研究的应用，使EM图像分析的自动化成为生物医学成像领域的重点。作为EM图像分析的核心任务，语义分割已引起广泛关注，卷积神经网络（CNNs）被广泛研究，目前已成为主流方法。然而，现有方法仍面临若干未解决的挑战。一方面，卷积过程难以高效平衡全局与局部信息，从而限制了分割精度的进一步提升；另一方面，CNNs旨在建立图像与标签之间的最优映射，虽然在领域内数据分割中能实现高精度，但在跨领域数据上性能显著下降。本文探索了扩散概率模型（DPMs）的潜力，该模型以其出色的图像建模能力著称，用以应对上述挑战。具体而言，我们提出了一种用于EM图像语义分割的扩散概率模型，命名为EM-Cold-SegDiffusion（ECSD）。我们采用冷扩散或确定性扩散框架以提高推理效率和确定性分割过程。此外，通过引入边缘敏感损失函数，显著提升了训练效率与模型性能。在常见EM分割任务上的实验结果表明，ECSD优于主流模型，为EM分割提供了一种有前景且更优的解决方案。
Keyword:
Electron microscopy
Semantic segmentation
Cold diffusion
期刊
机构
引用论文
Zhuo Z, Belevich I, Leinonen V, Jokitalo E, Malm T, Sierra A, et al. Segment Anything for Dendrites from Electron Microscopy. In: IEEE 6th International Conference on Image Processing, Applications and Systems (IPAS). 2025, p. 1–6. 10.1109/IPAS63548.2025.10924514.卓 Z, Belevich I, Leinonen V, Jokitalo E, Malm T, Sierra A, et al. 电子显微镜下树突的分割任意内容。在：IEEE 第六届图像处理、应用和系统国际会议（IPAS）。2025, p. 1–6. 10.1109/IPAS63548.2025.10924514..png)
IF0
PREAI
分享收藏TriSAM: Tri-Plane SAM for Zero-Shot Cortical Blood Vessel Segmentation in VEM ImagesTriSAM: 三平面SAM用于VEM图像中零样本皮层血管分割
PREAI
分享收藏MedSegDiff-V2: Diffusion-Based Medical Image Segmentation with TransformerMedSegDiff-V2: 基于扩散的医学图像变换分割
OAAI
OAAI分享收藏GobletNet: Wavelet-Based High-Frequency Fusion Network for Semantic Segmentation of Electron Microscopy ImagesGobletnet：基于小波的高频融合网络，用于电子显微镜图像的语义分割
PREAI
分享收藏
查看更多内容