新闻速递

近日，深圳市大数据研究院医疗大数据实验室李灏峰博士团队在机器学习顶级会议NeurIPS 2022的CellSeg细胞图像分割比赛中荣获亚军。CellSeg比赛全称为多模态高分辨率显微图像的弱监督细胞分割比赛（Weakly Supervised Cell Segmentation in Multi-modality High-Resolution Microscopy Images），由多伦多大学、洛桑联邦理工学院、欧洲生物信息研究所、美国博德研究所等机构合作举办，共吸引了韩国科学技术院、德国于利希研究中心、浙江大学、南京大学等超过100只队伍参赛。李灏峰博士团队包括研究院联培博士生楼威、全职工程师余心仪、实习生刘晨宇等成员，代表深圳市大数据研究院以队名SribdMed参赛，并获得亚军成绩。

比赛官方网站：

https://neurips22-cellseg.grand-challenge.org/awards/  

在基于显微镜图像的生物学和生物医学研究中，细胞分割通常是单细胞分析任务的第一步。深度学习模型已被广泛应用于图像分割问题，但由于手动标注细胞极其耗时和昂贵，很难收集大量标记细胞图像来训练模型。此外，使用的数据集通常仅限于一种模态，缺乏多样性，导致深度学习模型的泛化能力差。此次比赛构建了一个多模态半监督细胞分割数据集，要求参赛者构建一种通用细胞核分割算法，能够精准分割多种模态的细胞。同时，还要求算法具有足够的效率，在分割大尺度显微图像时也能满足运行时长要求。

在最终方案中，研究团队首先构建了一个自动化分类模型（如上图(a)所示），该模型根据图像的低层次特征属性将细胞图像分类成四个类别。其次，根据不同类别细胞的形态特点，研究团队结合了两种现有分割模型Stardist和HoverNet来学习分割不同类别的细胞图像（如上图(b)所示）。为了构建高效的分割算法，研究团队还引入了新一代高效型神经网络编码器ConvNext，使得最终方案在运行时间上并列排名第一。综合分割准确度和运行时间，本方案最终获得亚军。

比赛方案开源论文：

https://openreview.net/forum?id=G24BybwKe9 

比赛方案开源代码：

https://github.com/lhaof/CellSeg