我正在尝试为 3D 实例分割注释一些数据。虽然为每个 2D 平面绘制蒙版相当简单，但如何在注释后将相同的“实例”连接在一起（即，将“红色”蒙版连接在一起，将“蓝色”蒙版连接在一起）而不费力地确保实例是实例匹配的（即颜色编码以确保“红色”掩码始终与“红色”掩码连接）。
我想到的一种天真的方法是制作许多 2D 分割蒙版，并计算每个检测到的对象的质心。我稍后可以根据最接近的匹配质心重新分配实例，但我担心这会无意中生成“交叉”分割实例（如下图所示）。生成 3D 标注的高通量策略有哪些？
【问题讨论】：
标签： deep-learning computer-vision annotations image-segmentation
您可以使用3D Slicer's Segment Editor。它是免费的、开源的、有许多内置工具，并且可以在 Python 或 C++ 中自定义/扩展（您可以轻松插入自己的分割方法）。要解决分割任务，通常您首先使用交互式 GUI 找出一个好的分割工作流程（使用哪些工具、组合和参数），然后如果需要，您可以使用 Python 脚本使其半自动或全自动。
您可以通过对每个图像切片进行轮廓化来创建分割，但这太乏味了。相反，您可以使用 3D 区域增长（从种子效果中生长）或仅在几个切片上进行分段并在它们之间进行插值（切片之间填充效果）。
【讨论】：
您的 2-d 切片的边界可用作获得最佳 3-d 表面的约束，正如 1 中所建议的那样。
但是，我认为从标记生成 3-d 标签更容易，例如2。它的实现在here 中提供（如果遇到任何问题，请免费填写：P）。
此外，napari 包对于开发 GUI 很有用，无需花费太多精力。
[1] 格雷迪，里奥。 “最小表面将最短路径分割方法扩展到 3D。” IEEE Transactions on Pattern Analysis and Machine Intelligence 32.2 (2008): 321-334。
[2] Falcão、Alexandre X. 和 Felipe PG Bergo。 “具有差分图像森林变换的交互式体积分割。” IEEE Transactions on Medical Imaging 23.9 (2004): 1100-1108.
【讨论】：