基于点标签的核 segmentation 中的动态伪标签优化
计算机视觉与模式识别
2024-06-25 v1 人工智能
摘要
深度学习在核分割中取得了令人瞩目的成果，但对像素级标签的大量需求仍然是一个显著的挑战。为缓解标注负担，现有方法使用点标签生成伪掩码以进行模型训练。然而，生成的掩码不可避免地与真实标签存在差异，而这些差异在网络训练期间未被合理处理，导致分割模型性能不佳。为解决此问题，我们提出了一种名为 DoNuSeg 的框架，以实现点监督核分割中的动态伪标签优化。具体而言，DoNuSeg 利用类激活图 (CAM) 主动捕获与标注点语义相似的区域。为了利用层次特征级别中的语义多样性，我们设计了动态选择模块，在不同编码器块中的 CAM 中选择最优者作为伪掩码。同时，提出了 CAM 指导的对比模块以进一步提高伪掩码的准确性。除利用 CAM 提供的语义信息外，我们还考虑点标签固有的空间位置先验，开发了任务解耦结构以有效区分核细胞。大量实验表明，DoNuSeg 在点监督方法方面优于当前最先进的技术。代码已公开于 https://github.com/shinning0821/MICCAI24-DoNuSeg。
引用
@article{arxiv.2406.16427,
title = {Dynamic Pseudo Label Optimization in Point-Supervised Nuclei Segmentation},
author = {Ziyue Wang and Ye Zhang and Yifeng Wang and Linghan Cai and Yongbing Zhang},
journal= {arXiv preprint arXiv:2406.16427},
year = {2024}
}
备注
early accepted by MICCAI2024