[論文レビュー] An Efficient Approach for Cell Segmentation in Phase Contrast Microscopy Images

Lin Zhang|arXiv (Cornell University)|Mar 31, 2019

Optical measurement and interference techniques参考文献 12被引用数 5

ひとこと要約

本論文は、位相差顕微鏡画像における細胞セグメンテーションのための2段階手法を提案する。最初に、低ランクおよび構造的スパース行列分解を用いて背景から細胞を分離し、次に効率的な逆回折パターン（IDP）フィルタリングにより個々の細胞境界を精緻化する。本手法は、99.5％（Dish1/Dish2）という最先端の正確性を達成し、1秒未塔の実行時間であり、従来手法よりも高速かつ頑健である一方で露出時間パラメータに依存しない。

ABSTRACT

In this paper, we propose a new model to segment cells in phase contrast microscopy images. Cell images collected from the similar scenario share a similar background. Inspired by this, we separate cells from the background in images by formulating the problem as a low-rank and structured sparse matrix decomposition problem. Then, we propose the inverse diffraction pattern filtering method to further segment individual cells in the images. This is a deconvolution process that has a much lower computational complexity when compared to the other restoration methods. Experiments demonstrate the effectiveness of the proposed model when it is compared with recent works.

研究の動機と目的

• 位相差顕微鏡画像における細胞セグメンテーションの課題に取り組む。これは、細胞の外見が変動し、アーティファクトが発生し、背景が非一様であるため、困難である。
• 画像系列全体における背景の類似性を活用することで、背景差し引きを低ランクおよび構造的スパース行列分解問題として定式化することにより、背景差し引きを改善する。
• 従来の光学ベースの修復手法と比較して、計算コストを低減しつつも、高いセグメンテーション正確性を維持することを目的とする。
• 露出時間パラメータに依存しないようにすることで、一部の最先端手法に制限を受ける状況を回避する。
• ノイズやアーティファクトを背景の一部として扱うことで、強力なデコンボリューションを実現する手法を開発すること。

提案手法

• 細胞セグメンテーションを低ランクおよび構造的スパース行列分解問題として定式化する：A = B + E ここでAは観測画像、Bは背景（低ランク）、Eは前景（構造的スパース）である。
• ランク最小化の凸的代理として核ノルム最小化（||B||_*）を用い、効率的な最適化を可能にする。
• 空間的構造を細胞領域で保持するために、一般化されたフレッド・ラッソ（GFL）正則化（||E||_gfl）を導入し、隣接ピクセル間でスパarsityと滑らかさを促進する。
• 最適化問題を解くために増幅ラグランジュ乗数（ALM）法を用い、収束性と安定性を保証する。
• 背景差し引き後に周波数領域で逆回折パターン（IDP）フィルタリングを適用し、細胞境界を鋭く回復する。
• 8つの位相角（0 から 7π/4）でPSF^{-1}(θ_m)を逆フィルタとして用い、高精度な細胞構造を回復する。ノイズは事前に背景差し引きにより低減される。

実験結果

リサーチクエスチョン

• RQ1 低ランクおよび構造的スパース行列分解は、複雑で非一様な背景を持つ位相差顕微鏡画像において、細胞を効果的に分離できるか？
• RQ2 本手法の背景差し引き法は、RPCA や多項式背景モデルと比較して、正確性および頑健性において優れているか？
• RQ3 逆回折パターンフィルタリングは、従来の光学ベースの修復手法と比較して、著しく低い計算コストで高品質な細胞セグメンテーションを達成できるか？
• RQ4 露出時間情報が入手不可の場合でも、本手法は有効に機能するか？これは一部の最先端手法とは対照的である。
• RQ5 ノイズやアーティファクトを背景の一部として扱うことで、どの程度のノイズ低減効果が得られるか？

主な発見

• 本手法はDish1およびDish2で99.5％のセグメンテーション正確性を達成し、事前処理手法（97.4％および97.4％）を上回り、最高性能を示すセル感受性手法と同等の性能を示した。
• 各データセットの処理時間は1秒未塔であり、事前処理手法の262秒と比較して、顕著な高速化が達成された。
• 背景差し引きの結果、露出が強い変動を示す領域においても、RPCA やセル感受性イメージング手法と比較して優れたアーティファクト抑制効果を示した。
• 露出時間パラメータを必要としないため、露出時間依存の手法と比較して、より広範に適用可能である。
• 定性的な結果から、背景差し引きとIDPフィルタリングの組み合わせにより、ノイズやアーティファクトのないクリアな画像が得られ、明確な細胞境界が得られていることが確認された。