CovHuSeg：用于肾脏病理分割的增强方法
图像与视频处理
2024-12-02 v1 计算机视觉与模式识别
摘要
分割长期是计算机视觉中的关键任务，due to its numerous real-world applications. 然而,大多数传统深度学习和机器学习模型难以捕获几何特征，如分割目标的大小和凸性, resulting in suboptimal outcomes. 为解决这一问题,我们提出了使用 CovHuSeg 算法来解决肾脏糞球细胞分割的问题。这种简单的后处理方法专为适应球形异常的分割,包括糞球。与其他后处理方法不同,CovHuSeg 算法确保输出掩码中不存在洞或呈现无法成为糞球形状的异常形状。我们通过在肾脏病理图像上进行分割实验来展示了该方法的有效性。结果表明,使用 CovHuSeg 算法后,所有模型的准确率都有所提高。
引用
@article{arxiv.2411.18893,
title = {CovHuSeg: An Enhanced Approach for Kidney Pathology Segmentation},
author = {Huy Trinh and Khang Tran and Nam Nguyen and Tri Cao and Binh Nguyen},
journal= {arXiv preprint arXiv:2411.18893},
year = {2024}
}
备注
Under review