MT2：用于半监督细胞分割的多任务平均教师模型

张斌宇，董俊豪，赵志成，孟 Zhu，苏飞
多模态高分辨率显微图像细胞分割挑战赛论文集，PMLR 212:1-13，2023。

摘要

细胞分割对于生物和生物医学研究中的下游单细胞分析至关重要。最近，基于监督学习的图像分割方法取得了令人鼓舞的结果。然而，大多数方法依赖于密集的人工标注，这对于细胞分割来说极其耗时且昂贵。此外，现有方法通常针对特定模态进行训练，泛化能力较差。在本文中，提出了一种新颖的半监督细胞分割方法，用于分割来自多种模态的显微图像。具体而言，将平均教师模型引入到多任务学习框架中，命名为多任务平均教师模型（MT$^{2}$），其中分类头和回归头都被用于提高预测性能。此外，提出了新的数据增强和多尺度推理策略，以增强鲁棒性和泛化能力。在NeurIPS 2022细胞分割挑战赛的调优集上进行定量评估，我们的方法实现了0.8690的F1分数，这证明了所提出的半监督学习方法的有效性。代码可在\url{https://github.com/djh-dzxw/MT2}获取。

引用本文

BibTeX
@InProceedings{pmlr-v212-zhang23a, title = {MT2：用于半监督细胞分割的多任务平均教师模型}, author = {Zhang, Binyu and Dong, Junhao and Zhao, Zhicheng and Meng, Zhu and Su, Fei}, booktitle = {多模态高分辨率显微图像细胞分割挑战赛论文集}, pages = {1--13}, year = {2023}, editor = {Ma, Jun and Xie, Ronald and Gupta, Anubha and Guilherme de Almeida, José and Bader, Gary D. and Wang, Bo}, volume = {212}, series = {机器学习研究论文集}, month = {28 Nov--09 Dec}, publisher = {PMLR}, pdf = {https://pmlr.com.cn/v212/zhang23a/zhang23a.pdf}, url = {https://pmlr.com.cn/v212/zhang23a.html}, abstract = {细胞分割对于生物和生物医学研究中的下游单细胞分析至关重要。最近，基于监督学习的图像分割方法取得了令人鼓舞的结果。然而，大多数方法依赖于密集的人工标注，这对于细胞分割来说极其耗时且昂贵。此外，现有方法通常针对特定模态进行训练，泛化能力较差。在本文中，提出了一种新颖的半监督细胞分割方法，用于分割来自多种模态的显微图像。具体而言，将平均教师模型引入到多任务学习框架中，命名为多任务平均教师模型（MT$^{2}$），其中分类头和回归头都被用于提高预测性能。此外，提出了新的数据增强和多尺度推理策略，以增强鲁棒性和泛化能力。在NeurIPS 2022细胞分割挑战赛的调优集上进行定量评估，我们的方法实现了0.8690的F1分数，这证明了所提出的半监督学习方法的有效性。代码可在\url{https://github.com/djh-dzxw/MT2}获取}} }
Endnote
%0 会议论文 %T MT2：用于半监督细胞分割的多任务平均教师模型 %A 张斌宇 %A 董俊豪 %A 赵志成 %A 孟 Zhu %A 苏飞 %B 多模态高分辨率显微图像细胞分割挑战赛论文集 %C 机器学习研究论文集 %D 2023 %E 马 Jun %E Ronald Xie %E Anubha Gupta %E José Guilherme de Almeida %E Gary D. Bader %E Bo Wang %F pmlr-v212-zhang23a %I PMLR %P 1--13 %U https://pmlr.com.cn/v212/zhang23a.html %V 212 %X 细胞分割对于生物和生物医学研究中的下游单细胞分析至关重要。最近，基于监督学习的图像分割方法取得了令人鼓舞的结果。然而，大多数方法依赖于密集的人工标注，这对于细胞分割来说极其耗时且昂贵。此外，现有方法通常针对特定模态进行训练，泛化能力较差。在本文中，提出了一种新颖的半监督细胞分割方法，用于分割来自多种模态的显微图像。具体而言，将平均教师模型引入到多任务学习框架中，命名为多任务平均教师模型（MT$^{2}$），其中分类头和回归头都被用于提高预测性能。此外，提出了新的数据增强和多尺度推理策略，以增强鲁棒性和泛化能力。在NeurIPS 2022细胞分割挑战赛的调优集上进行定量评估，我们的方法实现了0.8690的F1分数，这证明了所提出的半监督学习方法的有效性。代码可在\url{https://github.com/djh-dzxw/MT2}
APA
张，B.，董，J.，赵，Z.，孟，Z. & 苏，F.（2023）。MT2：用于半监督细胞分割的多任务平均教师模型。多模态高分辨率显微图像细胞分割挑战赛论文集，收录于机器学习研究论文集 212:1-13。可从 https://pmlr.com.cn/v212/zhang23a.html 获取。

相关材料