摘要
分割モデルの精度と頑健性は、マウスの脳電子顕微鏡画像処理における主要な考慮事項です。電子顕微鏡画像の技術的特徴に対応して、高度に頑健な二次元分割アルゴリズムが提案されており、各スライス内の各対象物の形態構造を正確に識別します。本稿では、大規模自然画像モデルに基づくバックボーンネットワークの微調整を用いた大規模二次元電子顕微鏡画像分割モデルEM-SAMを提案し、脳電子顕微鏡画像におけるインスタンス分割に適用します。モデルのバックボーンネットワークには、大規模自然画像モデルSAMの事前学習済み画像エンコーダを採用し、電子顕微鏡画像処理タスクにおいてモデルの画像特徴抽出能力を最大化しています。さらに、モデルはU字型デコーダ設計を採用し、マウス脳電子顕微鏡画像分割タスクで微調整されました。実験結果は、公開データセットSNEMI3DでA-Randが0.054に達し、公開データセットMitoEMではAP-50およびAP-75がそれぞれ0.883、0.604に達したことを示しています。EM-SAMは電子顕微鏡画像の神経分割タスクにおいて高い精度と頑健性を持ち、様々なタスクに対して微調整が可能です。
关键词
ディープラーニング;セグメンテーション;大規模モデル;電子顕微鏡画像;マウス脳
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website