面向肾病理学全切片成像的多尺度多中心肾微血管结构分割
图像与视频处理
2023-08-14 v1 计算机视觉与模式识别
摘要
从人肾全切片图像(WSI)中分割微血管结构（如小动脉、小静脉和毛细血管）已成为肾病理学的焦点。当前的手动分割技术耗时且不适用于大规模数字病理图像。虽然基于深度学习的方法提供了自动分割的方案，但大多数存在局限：它们为单中心、单尺度数据设计并受限于此。本文提出Omni-Seg，一种利用多中心、多尺度训练数据的新型单一动态网络方法。我们的方法独特之处在于，利用部分标注图像（每张训练图像仅标注一种组织类型）来分割微血管结构。我们使用来自HuBMAP和NEPTUNE两个数据集、不同放大倍数（40x、20x、10x和5x）的图像训练单一深度网络。实验结果表明，Omni-Seg在Dice相似系数(DSC)和交并比(IoU)方面均表现更优。我们提出的方法为肾病理学家提供了用于肾微血管结构定量分析的有力计算工具。
引用
@article{arxiv.2308.05782,
title = {Multi-scale Multi-site Renal Microvascular Structures Segmentation for Whole Slide Imaging in Renal Pathology},
author = {Franklin Hu and Ruining Deng and Shunxing Bao and Haichun Yang and Yuankai Huo},
journal= {arXiv preprint arXiv:2308.05782},
year = {2023}
}