组织病理学全切片图像中不同组织分割方法的比较
计算机视觉与模式识别
2017-04-04 v2 机器学习
摘要
组织分割是数字病理学中实现高效、准确诊断的重要前提。然而，众所周知，全切片扫描仪可能无法检测到所有组织区域，例如由于组织类型或染色较弱，因为其组织检测算法不够鲁棒。本文中，我们引入两种不同的卷积神经网络架构用于全切片图像分割，以准确识别组织切片。我们还将这些算法与一种已发表的传统方法进行了比较。我们从三个实验室收集了54张具有不同染色和组织类型的全切片图像来验证我们的算法。我们表明，虽然这两种方法之间没有显著差异，但它们均优于其传统对应方法（Jaccard指数分别为0.937和0.929 vs. 0.870，p < 0.01）。
引用
@article{arxiv.1703.05990,
title = {Comparison of Different Methods for Tissue Segmentation in Histopathological Whole-Slide Images},
author = {Péter Bándi and Rob van de Loo and Milad Intezar and Daan Geijs and Francesco Ciompi and Bram van Ginneken and Jeroen van der Laak and Geert Litjens},
journal= {arXiv preprint arXiv:1703.05990},
year = {2017}
}
备注
Accepted for poster presentation at the IEEE International Symposium on Biomedical Imaging (ISBI) 2017