QCell: 重新组合和对齐细胞查询以实现重叠实例分割

Hugging Face Daily Papers 论文
instance-segmentation microscopy cell-analysis query-based-model contrastive-alignment

摘要

QCell 是一个基于查询的模型，通过潜在空间重组和对比查询对齐，改善显微镜下重叠细胞的实例分割，在基准测试中达到了最先进的结果。

显微镜下重叠细胞的实例分割仍然具有挑战性，因为半透明结构在重叠区域产生弱边界和混合视觉证据。现有方法通过局部感兴趣区域或形状先验来解决这个问题，但缺乏跨重叠对象的全局推理。我们提出了 QCell，一个新颖的基于查询的模型，用于在显微镜场景中去重叠细胞实例。我们的方法结合了（i）一个实例重组模块，它在潜在空间中分解和重组查询表示，使模型能够在重叠下推理完整对象结构；以及（ii）一个对比查询对齐目标，结合了独特的实例特征学习和重叠细胞查询的分离。我们还引入了一个新的 Organoid 数据集基准，用于重叠细胞分割。我们显示，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。代码可在 https://github.com/SlavkoPrytula/QCell 获取。
查看原文
查看缓存全文

缓存时间: 2026/09/04 11:57

论文页面 - QCell: 重组与对齐细胞查询以实现重叠实例分割

来源: https://huggingface.co/papers/2608.29253

摘要

QCell是一种基于查询的模型，通过潜在空间重组与对比查询对齐，提升显微镜图像中重叠细胞的实例分割性能。

显微镜图像中重叠细胞的实例分割 (https://huggingface.co/papers?q=microscopy) 因半透明结构导致边界微弱、重叠区域视觉信息混合而持续存在挑战。现有方法依赖局部兴趣区域或形状先验进行处理，但缺乏跨重叠对象的全局推理能力。我们提出QCell——一种新颖的基于查询的模型 (https://huggingface.co/papers?q=query-based%20model)，可解聚显微镜 (https://huggingface.co/papers?q=microscopy) 场景中的细胞实例。我们的方法结合：(i) 实例重组模块 (https://huggingface.co/papers?q=instance%20recombination)，在潜在空间分解并重组查询表征，使模型能推理重叠条件下的完整对象结构；(ii) 对比查询对齐目标 (https://huggingface.co/papers?q=contrastive%20query%20alignment)，同步实现判别性实例特征学习与重叠细胞查询的分离。我们同时引入全新的类器官数据集基准，用于重叠细胞分割 (https://huggingface.co/papers?q=overlapping%20cell%20segmentation) 研究。实验表明，QCell在多项基准测试中优于现有最优方法，在ISBI2014数据集上实现+2.2 AP与+2.7 AJI的性能提升。代码已开源：https://github.com/SlavkoPrytula/QCell

查看arXiv页面 (https://arxiv.org/abs/2608.29253)查看PDF (https://arxiv.org/pdf/2608.29253)项目主页 (https://slavkoprytula.github.io/QCell/)GitHub (https://github.com/SlavkoPrytula/QCell)添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.29253)

通过代理获取论文：

hf papers read 2608\.29253

尚未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

无模型关联本文

在模型README.md中引用arxiv.org/abs/2608.29253可从本页面建立链接。

引用本文的数据集1

YaroslavPrytula/Revvity-25 约5小时前更新 • 168 • 5 (https://huggingface.co/datasets/YaroslavPrytula/Revvity-25)

引用本文的Spaces0

无Space关联本文

在Space README.md中引用arxiv.org/abs/2608.29253可从本页面建立链接。

包含本文的收藏2

相似文章

CellBRIDGE: 通过交互感知对齐学习细胞轨迹

arXiv cs.LG

CellBRIDGE是一种新方法，通过引入配体-受体相互作用成本来模拟细胞间通讯，增强了对scRNA-seq轨迹推断的最优传输，改进了对齐并实现了可解释的计算机模拟扰动。

CohortHijack：单细胞注释对伴随细胞移除的鲁棒性

arXiv cs.LG

这篇arXiv论文介绍了CohortHijack，一种鲁棒性审计方法，通过从单细胞查询队列中移除非目标细胞，来测试在不改变目标细胞表达谱的情况下，注释工具可能如何被操纵。研究表明，在保留目标细胞的同时，结构化移除和搜索策略可以改变主流流程中的精炼标签，从而将查询队列组成识别为一个攻击面。

超越基因重建：通过互补转录组视图学习细胞表征

arXiv cs.LG

本文介绍了CoCoS，一种对比预训练框架，通过互补的转录组视图学习全细胞表征，解决了单细胞基础模型中掩码基因重建的局限性。在细胞类型注释和基因调控网络推断实验上，展示了具有竞争力的迁移性能。

CellWorld：从基因级重建到空间转录组基础模型中的潜细胞预测

arXiv cs.AI

CellWorld 提出了一种面向空间转录组基础模型的潜空间预测预训练方法，预测掩蔽细胞的潜在表示，而非重建基因测量值。在多个留出数据集上，即使是小型变体也在所有基准测试上优于现有基线，表明扩展规模和广泛的生物多样性可以提高迁移能力。