嵌入跨尺度注意力引导与噪声敏感约束的弱监督分割网络用于胰腺肿瘤三级淋巴结构检测
图像与视频处理
2023-07-28 v1 计算机视觉与模式识别
摘要
胰腺病理图像上三级淋巴结构（TLSs）的存在是胰腺肿瘤的重要预后指标。因此，胰腺病理图像上的TLSs检测对胰腺肿瘤患者的诊疗起着关键作用。然而，基于深度学习的全监督检测算法通常需要大量人工标注，耗时耗力。本文旨在通过提出一种弱监督分割网络，以少样本学习的方式检测TLSs。我们首先结合用于细胞核分割的预训练模型与用于淋巴细胞核识别的域对抗网络获得淋巴细胞密度图。随后，我们通过联合学习来自原始组织病理图像的粗尺度特征与来自所设计的淋巴细胞密度注意力的细尺度特征，建立跨尺度注意力引导机制。在训练过程中通过嵌入带符号距离函数损失引入噪声敏感约束，以减少微小预测误差。在两个收集数据集上的实验结果表明，我们所提方法在TLSs检测精度上显著优于最先进的基于分割的算法。此外，我们将该方法应用于研究TLSs密度与胰周血管侵犯之间的一致关系，并获得了一些临床统计结果。
引用
@article{arxiv.2307.14603,
title = {A Weakly Supervised Segmentation Network Embedding Cross-scale Attention Guidance and Noise-sensitive Constraint for Detecting Tertiary Lymphoid Structures of Pancreatic Tumors},
author = {Bingxue Wang and Liwen Zou and Jun Chen and Yingying Cao and Zhenghua Cai and Yudong Qiu and Liang Mao and Zhongqiu Wang and Jingya Chen and Luying Gui and Xiaoping Yang},
journal= {arXiv preprint arXiv:2307.14603},
year = {2023}
}