摘要。细胞显微镜数据丰富;但是,相应的分割注释仍然很少。此外,细胞类型,成像设备和染色技术的变化引入了数据集之间的重要差距。因此,在各种数据集(源数据集)上训练的大型,预处理的销售模型都难以推广到看不见的数据集(目标数据集)。为了克服这个通用的问题,我们提出了细胞风格,它提高了此类模型的分割质量,而无需为目标数据集提供标签,从而实现了零照片的适应性。CellStyle将未注释的目标数据集(例如纹理,颜色和噪声)的属性转移到注释的源数据集。在保留源图像的单元格形状时进行此转移,以确保在维护目标数据集的视觉特征的同时仍然可以使用现有的源注释。带有现有注释的样式合成图像使通才分割模型的填充能够应用于未经通知的目标数据。我们证明,通过对样式转移数据的多个分割模型进行验证,CellStyle可以显着改善各种数据集的零光单元分割性能。该代码将公开可用。
主要关键词
![arxiv:2503.08603v1 [cs.lg] 2025年3月11日PDF文件第1页](/bimg/9/9497cd732d7b7ca0ce4cf536cb238e6d58365758.webp)
![arxiv:2503.08603v1 [cs.lg] 2025年3月11日PDF文件第2页](/bimg/b/b0444f35369e7f72b6c792887a9955e04cbd5017.webp)
![arxiv:2503.08603v1 [cs.lg] 2025年3月11日PDF文件第3页](/bimg/b/b880c38ba31cbc6bed13f6b542a51b4164de6674.webp)
![arxiv:2503.08603v1 [cs.lg] 2025年3月11日PDF文件第4页](/bimg/6/63645e927ab7a5bc14b008d933d07f2ef1e482a9.webp)
![arxiv:2503.08603v1 [cs.lg] 2025年3月11日PDF文件第5页](/bimg/2/214c564aded0c283f4c55f94f1ab42a4c26dff3e.webp)
