多尺度区域注意力 Deeplab3+：显微图像中多发性骨髓瘤浆细胞分割
图像与视频处理
2021-05-14 v1 计算机视觉与模式识别
机器学习
摘要
多发性骨髓瘤是一种血液癌症，发生于骨髓中异常浆细胞生长失控时。骨髓中诊断多发性骨髓瘤有多种方式，如全血细胞计数测试（CBC）或通过手动可视化或图像处理技术在涂片上计数骨髓瘤浆细胞。本工作探索了一种用于多发性骨髓瘤浆细胞检测与分割的自动深度学习方法。为此，设计了一种两阶段深度学习方法。第一阶段利用细胞核检测网络提取每个感兴趣细胞实例。随后将提取的实例送入多尺度函数以生成多尺度表示。多尺度函数的目标是捕获形状变化并降低目标尺度对细胞质分割网络的影响。生成的尺度随后送入细胞质网络金字塔以学习各尺度的分割图。在细胞质分割网络之上，我们加入尺度聚合函数以细化并生成最终预测。所提方法已在 SegPC2021 大挑战上评估，并在最终测试阶段于所有队伍中排名第二。
引用
@article{arxiv.2105.06238,
title = {Multi-scale Regional Attention Deeplab3+: Multiple Myeloma Plasma Cells Segmentation in Microscopic Images},
author = {Afshin Bozorgpour and Reza Azad and Eman Showkatian and Alaa Sulaiman},
journal= {arXiv preprint arXiv:2105.06238},
year = {2021}
}
备注
10 pages, 5 figures, presented at ISBI2021