Topology Preserving Segmentation Fusion for Cells with Complex Shapes

MELNIKOVA, Aleksandra a Petr MATULA. Topology Preserving Segmentation Fusion for Cells with Complex Shapes. Online. In The IEEE International Symposium on Biomedical Imaging. Nice: IEEE, 2021, s. 204-207. ISBN 978-1-6654-1246-9. Dostupné z: https://dx.doi.org/10.1109/ISBI48211.2021.9433867.

Základní údaje

Originální název

Topology Preserving Segmentation Fusion for Cells with Complex Shapes

Autoři

MELNIKOVA, Aleksandra (643 Rusko, domácí) a Petr MATULA (203 Česká republika, garant, domácí)

Vydání

Nice, The IEEE International Symposium on Biomedical Imaging, od s. 204-207, 4 s. 2021

Nakladatel

IEEE

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10200 1.2 Computer and information sciences

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Kód RIV

RIV/00216224:14330/21:00118940

Organizační jednotka

Fakulta informatiky

ISBN

978-1-6654-1246-9

ISSN

DOI

http://dx.doi.org/10.1109/ISBI48211.2021.9433867

UT WoS

000786144100046

Klíčová slova anglicky

Segmentation fusion; Reference annotation; Cell annotation; Shape

Štítky

cbia-web, firank_B

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

We present an algorithm to fuse simply connected segmentation masks of complex and variable shapes that often appear in cell imaging. The algorithm is designed to preserve topology of the input masks and to faithfully represent their protrusions. It works in three main phases: (1) the detection of geodesic ends that correspond to the protrusions, (2) optimal matching of the geodesic ends, and (3) contour averaging of corresponding boundary segments. We show that our algorithm overcomes commonly used pixel-wise fusion algorithms (namely majority voting, SIMPLE, STAPLE, and topology-preserving STAPLE), as well as recently published geometric median shapes in terms of the visual quality of results as well as better representation of protrusions. We demonstrate the performance of our method based on synthetic images as well as real images from the cell segmentation benchmark datasets.

---

Návaznosti

GA21-20374S, projekt VaV	Název: Segmentace a sledování buněk se složitým tvarem Investor: Grantová agentura ČR, Segmentace a sledování buněk se složitým tvarem
MUNI/A/1108/2020, interní kód MU	Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace X. (Akronym: SV-FI MAV X.) Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace X.