用于跨染色组织病理学图像分割的对偶自适应金字塔网络
计算机视觉与模式识别
2019-09-26 v1
摘要
监督式语义分割通常假设测试数据与训练数据处于相似的数据域。然而在实践中，训练数据与未见数据之间的域失配可能导致性能显著下降。为不同域的图像获取准确的像素级标签繁琐且费力，对于组织病理学图像尤为如此。本文提出一种对偶自适应金字塔网络（DAPNet），用于从一种染色域自适应到另一种染色域的组织病理学腺体分割。我们在两个层面上解决域自适应问题：1）图像级考虑图像颜色与风格的差异；2）特征级处理两域之间的空间不一致性。这两个组件作为域分类器以对抗训练方式实现。我们使用分别具有 H&E 和 DAB-H 染色的两个腺体分割数据集评估了我们的新方法。大量实验与消融研究证明了我们的方法在域自适应分割任务上的有效性。我们表明所提方法优于其他 SOTA 方法。
引用
@article{arxiv.1909.11524,
title = {Dual Adaptive Pyramid Network for Cross-Stain Histopathology Image Segmentation},
author = {Xianxu Hou and Jingxin Liu and Bolei Xu and Bozhi Liu and Xin Chen and Mohammad Ilyas and Ian Ellis and Jon Garibaldi and Guoping Qiu},
journal= {arXiv preprint arXiv:1909.11524},
year = {2019}
}
备注
MICCAI2019