ICOS 蛋白表达分割：Transformer 网络能否给出更优结果？
计算机视觉与模式识别
2022-06-24 v1 图像与视频处理
摘要
生物标志物可识别患者对治疗的响应。随着基于 Transformer 网络的人工智能近期进展，仅有有限的研究致力于衡量其在具有挑战性的组织病理学图像上的性能。在本文中，我们研究了众多最先进的 Transformer 网络在结肠癌免疫检查点生物标志物、可诱导 T 细胞共刺激分子（ICOS）蛋白细胞从免疫组化（IHC）切片中的分割效果。广泛而全面的实验结果证实，MiSSFormer 取得了 74.85% 的最高 Dice 分数，优于其余所评估的 Transformer 和 Efficient U-Net 方法。
引用
@article{arxiv.2206.11520,
title = {ICOS Protein Expression Segmentation: Can Transformer Networks Give Better Results?},
author = {Vivek Kumar Singh and Paul O Reilly and Jacqueline James and Manuel Salto Tellez and Perry Maxwell},
journal= {arXiv preprint arXiv:2206.11520},
year = {2022}
}
备注
Accepted MIUA conference (Abstract short paper)