基于色彩空间的 HoVer-Net 用于细胞核实例分割与分类
图像与视频处理
2022-03-07 v1 人工智能
计算机视觉与模式识别
摘要
细胞核分割与分类是被用于许多不同显微医学分析应用的首要且最关键的步骤。然而，它受诸多问题困扰，例如小目标分割、不平衡以及各类细胞核间细粒度差异。本文做出了多项贡献以解决这些存在的问题。首先，近期发布的“ConvNeXt”被用作 HoVer-Net 模型的编码器，因其利用了使 transformer 表现良好的关键组件。其次，为增强细胞核间的视觉差异，采用基于多通道色彩空间的方法以辅助模型提取区分性特征。第三，使用统一 focal 损失（UFL）来解决背景-前景不平衡。最后，使用锐度感知最小化（SAM）以确保模型的泛化性。总体而言，我们在 CoNiC Challenge 2022 的初步测试集上以 12.489% mPQ+ 优于当前最先进（SOTA）的 HoVer-Net。
引用
@article{arxiv.2203.01940,
title = {Color Space-based HoVer-Net for Nuclei Instance Segmentation and Classification},
author = {Hussam Azzuni and Muhammad Ridzuan and Min Xu and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2203.01940},
year = {2022}
}
备注
3 pages, 1 figure, and 1 table