基于 DU-Net 的无监督对比学习用于组织学图像癌症分割
计算机视觉与模式识别
2022-06-20 v1 人工智能
摘要
本文提出一种用于组织学图像的无监督癌症分割框架。该框架包含一种有效的对比学习方案，用于提取用于分割的判别性视觉表示。编码器为一种深度 U-Net（DU-Net）结构，相较于普通 U-Net 多包含一个全卷积层。为解决带有肿瘤边界高质量标注的训练集匮乏的问题，开发了对比学习方案。采用一组特定的数据增强技术来提升对比学习所学颜色特征的判别性。利用卷积条件随机场进行平滑与噪声消除。实验表明，该框架在分割上具竞争力，甚至优于一些流行的有监督网络。
引用
@article{arxiv.2206.08791,
title = {DU-Net based Unsupervised Contrastive Learning for Cancer Segmentation in Histology Images},
author = {Yilong Li and Yaqi Wang and Huiyu Zhou and Huaqiong Wang and Gangyong Jia and Qianni Zhang},
journal= {arXiv preprint arXiv:2206.08791},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2002.05709 by other authors