ارزیابی تجربی ادغام یادگیری خودنظارتی DINO با معماری های بخش بندی در تصاویر سلولی

ViT و بخش بندی دقیق سلول ها در تصاویر میکروسکوپی یکی از مراحل کلیدی در تحلیل تصاویر زیستی و پزشکی است، اما وابستگی مدل های یادگیری عمیق به داده های برچسب دار کاربرد آن ها را در محیط های واقعی با محدودیت مواجه می کند. یادگیری خود نظارتی (Self-Supervised Learning) به عنوان راهکاری برای بهره گیری از داده های بدون برچسب مطرح شده است. با این حال میزان اثر بخشی آن در تصویربرداری زیستی به ویژه در شرایط کمبود داده هنوز به طور کامل روشن نیست. در این پژوهش تاثیر ادغام ویژگی های استخراج شده از مدل خود نظارتی DINO با دو استخراج کننده ویژگی مبتنی بر ResNet-۵۰ در کنار دو معماری بخش بندی U-Net و Maxsignet به صورت تجربی ارزیابی شد. آزمایش ها بر روی مجموعه داده استاندارد LIVECell با استفاده از ۲۵۰ تصویر آموزشی، ۶۰ تصویر اعتبارسنجی و ۱۴۰ تصویر آزمون انجام شدند و عملکرد شش پیکربندی مختلف با معیارهای IoU، ضریب Dice و میانگین دقت متوسط (mAP) مقایسه شد. نتایج نشان داد که U-Net پایه بهترین عملکرد کلی را با مقادیر ۰٫۷۹ برای IoU، ۰٫۹۰ برای Dice و ۰٫۹۲ برای mAP به دست آورد. همچنین افزودن ویژگی های DINO چه در نسخه مبتنی بر و چه ResNet-۵۰، بهبود آماری معناداری ایجاد نکرد و در برخی پیکربندی ها موجب افت جزئی عملکرد شد. تحلیل نتایج نشان می دهد که شکاف دامنه میان تصاویر طبیعی و تصاویر میکروسکوپی، ناهماهنگی میان اهداف یادگیری خودنظارتی و نیازهای بخش بندی دقیق و نیز سادگی راهبرد ادغام ویژگی ها از عوامل اصلی این رفتار هستند. این پژوهش با ارائه تحلیلی شفاف از نتایج منفی درک واقع بینانه تری از محدودیت های انتقال مستقیم مدل های خود نظارتی به بخش بندی سلولی فراهم می کند.

کلیدواژه ها:

بخش بندی سلولی ، یادگیری خودنظارتی ، Maxsigned ، UN ، DINO ، تصویربرداری زیستی ، LIVECell