基于有限标签的边缘竞争病理肝血管分割
计算机视觉与模式识别
2021-08-03 v1
摘要
微血管侵犯（MVI）是肝细胞癌的主要预后因素，而肝细胞癌是死亡率最高的恶性肿瘤之一。MVI 的诊断需要发现含有肝细胞癌细胞的血管并统计每根血管中的数量，这高度依赖医生经验，主观性强且耗时。然而，目前尚无专为病理图像中 MVI 检测设计的算法。本文收集了首个包含 522 张全切片图像的病理肝图像数据集，带有血管、MVI 和肝细胞癌分级标签。自动诊断 MVI 的首要且关键步骤是准确的血管分割。病理肝图像独有的特性，如超大尺寸、多尺度血管和模糊血管边缘，使得精确血管分割具有挑战性。基于所收集的数据集，我们提出了边缘竞争血管分割网络（EVS-Net），其包含一个分割网络和 two 个边缘分割判别器。该分割网络结合边缘感知自监督机制，旨在利用有限标记块进行血管分割。同时，引入两个判别器以对抗方式区分分割出的血管和背景中是否含有残差特征。在训练阶段，设计两个判别器竞争预测边缘位置。详尽实验表明，仅使用有限标记块，EVS-Net 即可达到接近全监督方法的性能，为病理肝血管分割提供了便捷工具。代码公开于 https://github.com/zju-vipa/EVS-Net。
引用
@article{arxiv.2108.00384,
title = {Edge-competing Pathological Liver Vessel Segmentation with Limited Labels},
author = {Zunlei Feng and Zhonghua Wang and Xinchao Wang and Xiuming Zhang and Lechao Cheng and Jie Lei and Yuexuan Wang and Mingli Song},
journal= {arXiv preprint arXiv:2108.00384},
year = {2021}
}
备注
Accepted by AAAI 2021