Методы трансферного обучения для сегментации клеток глиомы C6

В настоящей работе представлен алгоритм бинарной сегментации клеток культуры глиомы С6 с применением методов глубокого обучения для упрощения и ускорения анализа роста данной культуры. Для разработки и тестирования алгоритма впервые собрана база, содержащая 30 микроскопических фазово-контрастных снимков клеток глиомы C6.Благодаря собранной базе данных, впервые исследуются свойства методов трансферного обучения при работе со снимками клеточных культур в высоком разрешении. Для этого используются дополнительные базы данных микроскопических и неспециализированных изображений. Эксперименты показали, что предобучение нейронной сети с использованием микроскопических снимков обеспечивает значительное преимущество при распознавании клеток глиомы в низком разрешении, однако при увеличении разрешения и возникающей из-за этого рассогласованности размеров объектов лучшие результаты могут быть получены с использованием энкодеров, обученных на повседневных снимках. В работе объясняются причины этого и предлагаются способы повышения обобщающих способностей «специализированных» весов к работе в высоком разрешении за счет использования техник аугментации, обеспечивающих согласованность размеров объектов. Также демонстрируется возможность получать разные обобщающие свойства итогового алгоритма за счет правильного подбора данных для предварительного обучения, что может быть полезно при необходимости обнаруживать или исключать из рассмотрения плотные кластеры клеток.