Клетки под микроскопом слипаются — новый метод учится их всё-таки различатьCells overlap under the microscope — a new method learns to tell them apart anyway

Ярослав Притула, Антон Попов и Дмитро Фишман опубликовали работу «QCell: Recombining and Aligning Cell Queries for Overlapping Instance Segmentation» — про то, как компьютеру разделять клетки на микроскопных снимках, когда они налезают друг на друга.

Проблема звучит просто, но остаётся нерешённой годами: сегментация отдельных клеток на изображении, где клетки часто полупрозрачны и перекрывают одна другую. В зоне перекрытия граница между двумя клетками получается слабой и неоднозначной — визуальных данных там буквально мало и они смешаны с данными от соседней клетки. Авторы отмечают, что существующие методы пытаются решить это либо через локальные области интереса, либо через априорные представления о форме клетки, но им не хватает глобального рассуждения — способности учитывать контекст всего изображения, а не только конкретного проблемного пятна.

Именно это авторы и предлагают в QCell: вместо того чтобы разбираться с каждой зоной перекрытия изолированно, метод перекомбинирует и выравнивает «запросы» (cell queries) — внутренние представления кандидатов на отдельные клетки — так, чтобы модель учитывала связи между клетками по всему изображению целиком. Технические детали алгоритма и то, насколько он обходит существующие подходы по метрикам, описаны в самой статье — короткая аннотация в дайджесте этих цифр не приводит.

Почему это важно

Автоматическая сегментация клеток — рутинная, но критичная часть цифровой патологии и биологических исследований: от неё зависит, сколько клеток посчитают, как классифицируют ткань и что в итоге увидит врач или исследователь. Ошибка именно там, где клетки перекрываются — а перекрываются они постоянно в реальных тканях, — не редкий крайний случай, а системная слабость, которая тихо портит статистику по целым выборкам образцов.