人类生物分子图谱计划（HuBMAP）中的微血管分割
图像与视频处理
2023-08-08 v1 计算机视觉与模式识别
机器学习
摘要
图像分割作为关键工具服务于一系列应用，包括自动驾驶中的行人检测以及医疗领域的术前肿瘤勾画。在这些应用中，我们聚焦于美国国立卫生研究院（NIH）的人类生物分子图谱计划（HuBMAP），这是一项旨在绘制人体详细细胞图谱的重要倡议。在本研究中，我们利用 2D 周期性雪夫（PAS）染色的组织学图像，专注于分割人肾中的各类微血管结构。我们的方法以 FastAI U-Net 模型为基础，在此基础上研究替代的骨干网络架构、深入更深层的模型，并尝试特征金字塔网络（FPN）。我们通过将这些不同方法的性能与基线 U-Net 模型进行基准对比，严格评估了这些方法。因此，本研究对前沿分割技术进行了全面探索，为该领域未来研究提供了宝贵见解。
引用
@article{arxiv.2308.03203,
title = {Microvasculature Segmentation in Human BioMolecular Atlas Program (HuBMAP)},
author = {Youssef Sultan and Yongqiang Wang and James Scanlon and Lisa D'lima},
journal= {arXiv preprint arXiv:2308.03203},
year = {2023}
}
备注
8 pages, 6 figures