基于霍夫森林和条件随机场的肠隐窝图像有丝分裂检测
计算机视觉与模式识别
2016-08-30 v1
摘要
肠内分泌细胞分泌对葡萄糖代谢调节至关重要的激素，但它们从肠干细胞的分化尚未被完全理解。不对称干细胞分裂与肠干细胞稳态和分泌命运决定有关。我们利用培养肠隐窝的 4D 活细胞成像监测细胞分裂，通过可测量的特征（如方向或形状）来表征分裂模式。对这些测量结果的统计分析需要标注有丝分裂事件，这目前是一项繁琐且耗时的手动任务。为辅助数据处理，我们开发了一种基于学习的方法来自动检测有丝分裂事件。该方法包含一个双阶段框架，用于联合检测分裂细胞（母细胞）及其子代（子细胞）。在第一阶段，我们使用霍夫森林独立检测母细胞和子细胞；在第二阶段，我们通过将母细胞和子细胞的联合概率建模为条件随机场（CRF）来关联它们。该方法已在 32 个影片上进行了评估，达到了 72% 的 AUC，可与手动校正结合使用，从而显著加快处理流程。
引用
@article{arxiv.1608.07616,
title = {Mitosis Detection in Intestinal Crypt Images with Hough Forest and Conditional Random Fields},
author = {Gerda Bortsova and Michael Sterr and Lichao Wang and Fausto Milletari and Nassir Navab and Anika Böttcher and Heiko Lickert and Fabian Theis and Tingying Peng},
journal= {arXiv preprint arXiv:1608.07616},
year = {2016}
}
备注
Accepted at the 7th International Conference on Machine Learning in Medical Imaging