Analysis of oriented object detection techniques for cell detection

Abstract

Detection of cells in microscopy images is an essential task for a variety of biological and medical applications, and can be automated through the use of deep learning models. Ori ented Object Detection (OOD) models have recently been proposed as an adequate choice for this task, but current analysis of the capabilities of such models does not contemplate more specialized and modern techniques. We propose to conduct an analysis of existing OOD techniques that have been shown to improve performance in contexts outside cell detection, as well as techniques explored in traditional Horizontal Object Detection that are under-explored in the oriented scenario. We evaluate oriented detectors equipped with combinations of the selected techniques over an oriented cell detection dataset, and report the results using both general performance and biological application metrics.

A detecção de células em imagens de microscopia é uma tarefa essencial para uma va riedade de aplicações biológicas e médicas e pode ser automatizada por meio do uso de modelos de aprendizado profundo. Modelos de Detecção de Objetos Orientados (DOO) foram recentemente propostos como uma escolha adequada para essa tarefa, mas a análise atual das capacidades de tais modelos não contempla técnicas mais especializadas e mo dernas. Nós propomos realizar uma análise sobre técnicas de DOO existentes as quais já foram anteriormente demonstradas capazes de melhorar o desempenho em contextos fora de detecção de células, bem como técnicas exploradas na Detecção Horizontal de Objetos tradicional que foram pouco exploradas no cenário orientado. Nós avaliamos detectores orientados equipados com combinações das técnicas selecionadas em um conjunto de da dos de detecção de células orientadas e relatamos os resultados usando métricas gerais de desempenho e de aplicações biológicas.