QCell：基于查询重组与对齐的重叠细胞实例分割

由于半透明结构在重叠区域产生弱边界和混合视觉证据，显微镜下重叠细胞的实例分割仍然具有挑战性。现有方法通过局部感兴趣区域或形状先验来解决这一问题，但缺乏对重叠对象的全局推理。我们提出了 QCell，一种新颖的基于查询的模型，用于去重叠显微镜场景中的细胞实例。我们的方法结合了 (i) 一个实例重组模块，该模块在潜在空间中分解并重组查询表示，使模型能够在重叠情况下推理完整的对象结构；以及 (ii) 一个对比查询对齐目标，结合独特的实例特征学习和分离重叠细胞查询。我们还引入了一个新的类器官数据集基准，用于重叠细胞分割。我们表明，QCell 在多个基准测试中优于最先进的方法，在 ISBI2014 上实现了 +2.2 AP 和 +2.7 AJI 的提升。代码可在 https://github.com/SlavkoPrytula/QCell 获取。