bioRxiv 预印本· Rapilly, Q., Badoual, A., LIU, Y.-H., Kervrann, C. ·· 1 天前AI 评分10
Nagini3D：深度学习与主动表面融合的3D荧光显微图像多目标分割与形状分析统一框架
Deep Learning-Meets-Active Surfaces: A Unified Framework for Multi-Object Segmentation and Shape Analysis in 3D Fluorescence Microscopy
AI 导读
研究者提出Nagini3D，一种融合深度学习与snake方法的3D生物图像分割方法，结合数据驱动的高效性与主动表面的形状表示能力。该方法基于完整3D体数据实现三个维度上的分割一致性，理论上可表示任意球面拓扑对象，突破依赖凸性假设的常见3D方法限制。在多个真实与模拟数据集上的实验验证了其分割质量及几何特征提取能力。
来源：bioRxiv 预印本 · biorxiv.org