基于域适应的弱监督细胞核检测增强
图像与视频处理
2019-07-11 v1 计算机视觉与模式识别
摘要
细胞核检测是计算病理学中最为基础的组成部分之一。当前最先进的方法基于深度学习，其前提是具备大量标注数据集。待分析患者队列的增多、组织染色与适应症的多样性，以及数据集标注的成本，促使人们开发跨域减少标注工作的新方法。本工作中我们引入一种弱监督“域间”方法，其（i）执行染色归一化与非配对图像到图像翻译，将源域上的标注图像转换为目标域上的合成标注图像；（ii）利用所得合成标注图像在目标域上训练检测网络。大量实验表明，相较基于全监督学习的“域内”最先进检测，所提方法具有优越性。
引用
@article{arxiv.1907.04681,
title = {Domain Adaptation-based Augmentation for Weakly Supervised Nuclei Detection},
author = {Nicolas Brieu and Armin Meier and Ansh Kapil and Ralf Schoenmeyer and Christos G. Gavriel and Peter D. Caie and Günter Schmidt},
journal= {arXiv preprint arXiv:1907.04681},
year = {2019}
}