一种用于组织病理学图像一步式轮廓感知细胞核分割的深度学习算法
计算机视觉与模式识别
2020-03-18 v1
摘要
本文解决了高分辨率组织病理学图像中细胞核分割的任务。我们提出了一种用于单个细胞核分割的自动端到端深度神经网络算法。引入了一种核-边界模型，利用全卷积神经网络同时预测细胞核及其边界。给定颜色归一化图像，该模型直接输出估计的细胞核图和边界图。对估计的细胞核图执行一种简单、快速且无参数的后处理过程，以生成最终的分割细胞核。还设计了一种重叠块提取与拼接方法，用于对大型全切片图像中的细胞核进行无缝预测。我们还展示了数据增强方法对细胞核分割任务的有效性。我们的实验表明，我们的方法优于先前的SOTA方法。此外，其效率很高，一张1000×1000的图像可在不到5秒内完成分割。这使得在可接受的时间内精确分割全切片图像成为可能。
引用
@article{arxiv.1803.02786,
title = {A Deep Learning Algorithm for One-step Contour Aware Nuclei Segmentation of Histopathological Images},
author = {Yuxin Cui and Guiying Zhang and Zhonghao Liu and Zheng Xiong and Jianjun Hu},
journal= {arXiv preprint arXiv:1803.02786},
year = {2020}
}
备注
13 pages. 12 figures