基于深度多通道神经网络的腺体实例分割
计算机视觉与模式识别
2016-07-20 v2
摘要
在本文中，我们提出了一种新的图像实例分割方法，用于分割结肠组织学图像中的单个腺体（实例）。这是一个被称为实例分割的任务，近来变得日益重要。该问题具有挑战性，因为不仅需要将腺体从复杂的背景中分割出来，还需要对它们进行单独识别。在这里，我们利用近期深度学习中图像到图像预测的思想，构建了一个框架，能够自动挖掘并融合腺体组织学图像中复杂的多通道信息、区域、位置和边界模式。我们提出的系统，即深度多通道框架，由于使用了卷积神经网络，减轻了繁重的特征设计工作，并且能够通过改变通道来满足多种需求。与 2015 年 MICCAI 腺体分割挑战赛中报告的方法以及其他目前流行的实例分割方法相比，我们基于多项评估指标观察到了 state-of-the-art 的结果。
引用
@article{arxiv.1607.04889,
title = {Gland Instance Segmentation by Deep Multichannel Neural Networks},
author = {Yan Xu and Yang Li and Mingyuan Liu and Yipei Wang and Yubo Fan and Maode Lai and Eric I-Chao Chang},
journal= {arXiv preprint arXiv:1607.04889},
year = {2016}
}