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

• Originální 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: 1945-7928
• 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

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.