【技术实现步骤摘要】
本专利技术涉及细胞分割和追踪，具体涉及一种基于transformer的端到端细胞分割和追踪方法及系统。
技术介绍
1、细胞分割和追踪是生物医学应用中的基本挑战，对于理解细胞形态、结构和功能至关重要，也是生命科学研究的基础。随着深度学习在图像分割和物体检测方面的成功，研究人员越来越多地将这些技术应用于细胞追踪。
2、大多数现有的细胞分割和追踪方法利用 u-net 等深度神经网络进行语义分割。随后，基于标记的分水岭算法和其他技术处理实例分割，然后通过最近邻链接和图匹配等方法进行细胞关联。尽管神经网络取得了进步，但对传统预处理和后处理方法的依赖也暴露出重大的局限性。这种依赖性导致工作流程复杂且效率低下，阻碍了无缝端到端系统的开发。分散的流程不仅限制了集成和自动化流程的潜力，而且还会在多个步骤中引入错误传播，从而进一步降低整体性能。
3、最近基于 transformer开发的 detr 类模型因其简单、高效和端到端可训练的特性而广受欢迎，并在物体检测和跟踪任务中取得了重大进展。作为端到端检测器，detr 无需手工制作模块...
【技术保护点】
1. 一种基于Transformer的端到端细胞分割和追踪方法，其特征在于，包括采用基于Mask DINO模型的改进模型实现细胞分割和追踪，所述基于Mask DINO模型的改进模型与Mask DINO模型同样均包括CNN主干网络、Transformer编码器、Transformer解码器和分类头，所述改进模型实现细胞分割和追踪包括：
2.根据权利要求1所述的基于Transformer的端到端细胞分割和追踪方法，其特征在于，所述锚框的格式定义为，其中表示锚框，表示锚框的中心位置，分别表示锚框的宽度和高度，表示锚框的旋转角度；所述锚框表示的位置查询嵌入的函数表
【技术特征摘要】
1. 一种基于transformer的端到端细胞分割和追踪方法，其特征在于，包括采用基于mask dino模型的改进模型实现细胞分割和追踪，所述基于mask dino模型的改进模型与mask dino模型同样均包括cnn主干网络、transformer编码器、transformer解码器和分类头，所述改进模型实现细胞分割和追踪包括：
2.根据权利要求1所述的基于transformer的端到端细胞分割和追踪方法，其特征在于，所述锚框的格式定义为，其中表示锚框，表示锚框的中心位置，分别表示锚框的宽度和高度，表示锚框的旋转角度；所述锚框表示的位置查询嵌入的函数表达式为：
3. 根据权利要求2所述的基于transformer的端到端细胞分割和追踪方法，其特征在于，所述基于mask dino模型的改进模型包括针对mask dino模型的transformer解码器层中的互注意力层采用的位置注意力：
4. 根据权利要求3所述的基于transformer的端到端细胞分割和追踪方法，其特征在于，所述基于mask dino模型的改进模型包括针对mask dino模型的transformer解码器层中的互注意力层中采用的交叉注意力：
5. 根据权利要求4所述的基于transformer的端到端细胞分割和追踪方法，其特征在于，所述基于mask dino模型的改进模型包括针对mask dino模型的分类头中用于生成分割掩...
【专利技术属性】
技术研发人员：罗磊，廖威，林祺轩，汪昌健，陈照云，时洋，张春元，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。