面向自动化的细胞学图像分析技术：系统性再审视
图像与视频处理
2020-03-18 v1 计算机视觉与模式识别
摘要
细胞学是病理学的分支，研究细胞的显微镜检查以诊断癌或炎症状况。细胞学自动化始于 20 世纪 50 年代初，旨在减少癌症诊断中的人工劳动。具有高计算能力的智能技术单元的大量涌入以及标本采集技术的改进助力其达到技术高峰。在本综述中，我们聚焦于那些推动细胞学自动化进程的此类图像处理技术。我们简要考察了 17 种细胞学类型，并探讨了过去三十年中演进的各种分割和/或分类技术，这些技术推动了细胞学自动化的概念。据观察，大多数工作集中于三种细胞学：宫颈、乳腺和肺，本文对其进行了详尽讨论。该时期开发的用户端系统被总结以理解各领域的整体进展。确切地说，我们讨论了最先进方法的多样性、其挑战，以提供丰富而有前景的未来研究方向，使基于细胞学的商业系统进入主流。
引用
@article{arxiv.2003.07529,
title = {Cytology Image Analysis Techniques Towards Automation: Systematically Revisited},
author = {Shyamali Mitra and Nibaran Das and Soumyajyoti Dey and Sukanta Chakrabarty and Mita Nasipuri and Mrinal Kanti Naskar},
journal= {arXiv preprint arXiv:2003.07529},
year = {2020}
}