단일 샷 정량적 위상 현미경(ssQPM)에서의 세포 분할은 잡음에 민감하고 세포 밀도에 영향을 받는 기존 임계값 방법과, 단순한 채널 연결을 사용하는 딥 러닝 접근 방식이 편광 강도 이미지와 위상 맵의 상호 보완적인 특성을 활용하지 못하는 문제에 직면해 있습니다. DM-QPMNet은 이러한 이미지를 개별 인코딩 스트림을 가진 별개의 모달리티로 취급하는 이중 인코더 네트워크입니다. 이 아키텍처는 멀티 헤드 어텐션을 통해 중간 깊이에서 모달리티별 특징을 융합하여 편광된 가장자리와 텍스처 표현이 보완적인 위상 정보를 선택적으로 통합할 수 있도록 합니다. 이러한 내용 인식 융합은 훈련 안정성을 유지하면서 이중 소스 건너뛰기 연결 및 모달리티별 정규화를 통해 원리적 다중 모달 통합을 최소한의 오버헤드로 추가합니다. DM-QPMNet은 모놀리식 연결 및 단일 모달리티 기준선에 비해 상당한 성능 향상을 보여주며, 학습 가능한 융합을 통한 모달리티별 인코딩이 ssQPM의 보완적인 조명 및 위상 신호의 동시 캡처를 효과적으로 활용하여 견고한 세포 분할을 수행함을 입증합니다.
