CELL SEGMENTATION IN 3D CONFOCAL IMAGES USING SUPERVOXEL MERGE-FORESTS WITH CNN-BASED HYPOTHESIS SELECTION

Autor(es)

Stegmaier, Johannes ; Spina, Thiago V. ; Falcao, Alexandre X. ; Bartschat, Andreas ; Mikut, Ralf ; Meyerowitz, Elliot ; Cunha, Alexandre ; IEEE

• Tipo de documento: Artigo Científico
• Fonte: 2018 IEEE 15TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI 2018); v. N/A, p. 5-pg., 2018-01-01.

Resumo

Automated segmentation approaches are crucial to quantitatively analyze large-scale 3D microscopy images. Particularly in deep tissue regions, automatic methods still fail to provide error-free segmentations. To improve the segmentation quality throughout imaged samples, we present a new supervoxel-based 3D segmentation approach that outperforms current methods and reduces the manual correction effort. The algorithm consists of gentle preprocessing and a conservative super-voxel generation method followed by supervoxel agglomeration based on local signal properties and a postprocessing step to fix under-segmentation errors using a Convolutional Neural Network. We validate the functionality of the algorithm on manually labeled 3D confocal images of the plant Arabidopsis thaliana and compare the results to a state-of-the-art meristem segmentation algorithm. (AU)

• Processo FAPESP: 15/09446-7 - Segmentação de Imagens Médicas: Como integrar modelos de aparência/forma e correção interativa com o mínimo de intervenção do usuário?
• Beneficiário: Thiago Vallin Spina
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 16/11853-2 - SAMSAM: Segmentação para Análise e Medidas do Meristema Apical de Plantas
• Beneficiário: Thiago Vallin Spina
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Modalidade de apoio: Auxílio à Pesquisa - Temático