基于 ConvNeXt 骨干网络的 HoVerNet 用于细胞核分割与分类
图像与视频处理
2022-03-30 v2 计算机视觉与模式识别
摘要
本文简要描述了用于参加 CoNIC Challenge 2022 的算法。在基线发布后，我们沿用其中的方法，并将 ResNet 基线替换为 ConvNeXt。此外，我们提出先将 RGB 空间转换到苏木精-伊红-DAB（HED）空间，再利用原图像的苏木精分量对语义 one hot 标签进行平滑。随后，探索训练集与验证集的细胞核分布，以选择最佳折叠划分用于最终测试阶段提交的模型训练。验证集上的结果表明，即便各阶段通道数更少，采用 ConvNeXt-tiny 骨干的 HoVerNet 仍使 mPQ+ 提升 0.04、multi r2 提升 0.0144。
引用
@article{arxiv.2202.13560,
title = {ConvNeXt-backbone HoVerNet for nuclei segmentation and classification},
author = {Jiachen Li and Chixin Wang and Banban Huang and Zekun Zhou},
journal= {arXiv preprint arXiv:2202.13560},
year = {2022}
}