Multiclass Weighted Loss for Instance Segmentation of Cluttered Cells

paper:https://xueshu.baidu.com/usercenter/paper/show?paperid=2d53a0ae06c78aadfd6808a3980616a3&site=xueshu_se
code

摘要

我们提出了一种新的多类加权损失函数，例如杂乱细胞的分割。 我们的主要动机是发展生物学家需要量化和建模血液T细胞的行为，这可能有助于我们理解它们的调节机制，并最终帮助研究人员寻求一种有效的免疫治疗癌症治疗。 分割杂乱区域中的单个触摸单元是具有挑战性的，因为共享边界和单元前景上的特征分布是相似的，因此很难将像素区分为适当的类。 我们提出了两个新的权重映射，应用于加权交叉熵损失函数，其中考虑了类不平衡和单元几何。

对二进制训练数据标签进行了增强，使学习模型不仅可以处理前景和背景，而且可以处理第三个触摸类。 该框架允许使用U-Net