Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework

doi:10.1002/jemt.70137

Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework

2026-03-01

0

PRE

AI

DOI：10.1002/jemt.70137

原文链接

原文求助

摘要

En 中文

多模态细胞显微图像分割是高通量成像与分析（HCIA）技术的核心组成部分，其分割精度直接影响HCIA分析结果的准确性。基于深度学习的细胞分割方法因其端到端特性已被广泛应用。然而，在处理多模态细胞显微图像时，仍存在细胞漏检、图像退化及特征利用不足等挑战，导致分割精度受限。为解决这些问题，本文提出了一种新型深度学习框架，旨在实现无需手动参数调整或算法切换的多模态细胞显微图像的准确高效分割。该框架通过三个核心模块提升分割精度：加权双向特征金字塔网络（BiFPN），通过构建加权双向跨尺度连接机制降低低对比度区域的细胞漏检问题；频域感知特征融合（FreqFusion），借助频域自适应机制在复杂退化条件下精确识别细胞边界；以及混合局部通道注意力（MLCA）机制，引导模型聚焦于难以分割的关键通道和区域。在定制数据集上，所提框架实现了95.07%的平均精度、96.72%的细胞检测率和59.23 FPS的分割速度。其鲁棒泛化能力和计算效率在公开数据集上得到进一步验证。这些进展为精准医学中的显微图像定量分析奠定了坚实基础。

Keyword:

cell phenotype

frequency-aware feature fusion

high-content imaging and analysis technology

multimodal cell microscopic image segmentation

precision medicine

Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework

摘要

期刊

机构

引用论文