Изменения

Задача [[Сегментация изображений|сегментации изображений]], полученных с микроскопа, состоит в том, чтобы аннотировать их, то есть отмечать границы объектов (клеток, ядер). Для решения этой задачи обычно используется модифицированная полносвязная сверточная сеть U-Net<ref>[https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/ Olaf Ronneberger— Reconstructing cell cycle and disease progression using deep learningИмея сегментированное изображение, 2015]</ref>. Сеть U-Net получила широкое распространение благодаря способности последовательно распознавать как большие, так и мелкие частицы, а также устойчивости к различным условиям визуализации и наборам данных. Также она показывает хорошие результаты даже если размер набора даных для обучения небольшой, что является частой проблемой анализа изображений, полученных с микроскопа.легче проводить дальнейший анализ

Минусом === Сеть U-Net ===Для решения задачи сегментации обычно используется модифицированная полносвязная сверточная сеть U-Net<ref>[https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/ Olaf Ronneberger— Reconstructing cell cycle and disease progression using deep learning, 2015]</ref>. Сеть U-Net получила широкое распространение благодаря способности последовательно распознавать как большие, так и мелкие частицы, а также устойчивости к различным условиям визуализации и наборам данных. Также она показывает хорошие результаты даже если размер набора даных для обучения небольшой, что является частой проблемой анализа изображений, полученных с микроскопа. Однако минусом сети U-Net является ограничение на размер входного изображения, в то время как разрешение микроскопических изображений только растет с течением времени. Современные микроскопы позволяют получать изображения все большего размера  === Сегментация ядер клеток === [[Файл:DRAN.jpg|400px|left|Архитектура сети DRAN для сегментации ядер.]]Сеть U-Net хоть и с большим разрешением является универсальной, но для решения некоторых задач удобнее использовать более специализированные сети. Для задачи точной сегментации ядер клеток строится сеть глубокой остаточной агрегации DRAN. Она имеет типичную для сегментирующих сетей архитектуру исостоит из нескольких слоев, чтобы не сжимать изображенияпонижающих степень дискретизации данных, стали использоваться полносверточные сетизатем нескольких расширяющих слоев с тремя декодерами. Они  Особенностью данных микроскопии является разный масштаб ядер на изображениях, поэтому в сеть подаются не просто помечают границы объектовтолько исходные изображения, а красят каждый пиксель еще и уменьшенные и увеличенные в зависимости от класса, к которому принадлежит объект (ядро, цитоплазма, мембрана)2 раза. Такой подход частично решает проблему влияния существенно различающегося масштаба и получил название многомасштабной сети глубокой остаточной агрегации MDRAN.