多发性骨髓瘤癌细胞实例分割

图像仍然是医疗健康领域最大的数据源。但与此同时，它们也是最难以分析的。这些图像往往由病理学家和医师等人类专家进行分析。但由于病理学的显著变异以及人类专家可能的疲劳，我们非常需要一种自动化解决方案。深度学习近期的进展可以帮助我们为此实现一种高效且经济的解决方案。在本研究项目中，我们专注于开发一种基于深度学习的解决方案，利用目标检测与实例分割系统来检测多发性骨髓瘤癌细胞。我们探索了用于目标检测与实例分割任务的多种现有解决方案和架构，并尝试利用它们并提出一种新颖的架构，以在所需任务上取得可比且具有竞争力的性能。为了训练我们的模型以检测和分割多发性骨髓瘤癌细胞，我们利用了一个由我们自己整理的数据集，该数据集使用了 Dr.Ritu Gupta（Prof., Dept. of Oncology AIIMS）提供的细胞切片显微图像。