基于单张标注图像的胎盘组织学图像自动分割与形态学表征
图像与视频处理
2022-10-10 v1 计算机视觉与模式识别
机器学习
摘要
本研究提出了一种在标注数据稀缺时用于胎盘组织学图像分割的新型数据增强方法。该方法在保持总体纹理与朝向的同时，生成胎盘绒毛间形态的新实现样本。由此生成了一个多样化的人工图像数据集，可用于训练深度学习分割模型。我们观察到，与文献中的常规方法相比，所提出的数据增强方法使验证集的二元交叉熵损失平均降低了42%。此外，在所提图像重建技术的作用下研究了绒毛间腔的形态，并对人工生成群体的多样性进行了量化。由于生成图像与真实图像高度相似，所提方法的应用可能不限于胎盘组织学图像，建议在未来的研究中考察其他类型的组织。
引用
@article{arxiv.2210.03566,
title = {Automated segmentation and morphological characterization of placental histology images based on a single labeled image},
author = {Arash Rabbani and Masoud Babaei and Masoumeh Gharib},
journal= {arXiv preprint arXiv:2210.03566},
year = {2022}
}