基于复合高分辨率网络的组化图像中透明细胞肾细胞癌细胞核分级
图像与视频处理
2021-06-22 v1 计算机视觉与模式识别
摘要
透明细胞肾细胞癌（ccRCC）的级别是一个关键的预后因素，使得ccRCC细胞核分级成为肾细胞癌病理分析中的一项重要任务。计算机辅助细胞核分级旨在通过自动识别组织病理学图像中肿瘤细胞核的级别，来提高病理学家的工作效率并降低其误诊率。该任务要求对细胞核进行精确分割和准确分类。然而，现有的大多数细胞核分割与分类方法无法处理细胞核分级的类间相似性特性，因此不能直接应用于ccRCC分级任务。在本文中，我们提出了一种用于ccRCC细胞核分级的复合高分辨率网络（Composite High-Resolution Network）。具体而言，我们提出了一种称为W-Net的分割网络，能够分离聚簇的细胞核。然后，基于所提出的用于学习这两个任务的两个高分辨率特征提取器（HRFEs），我们将细胞核的细粒度分类重构为两个跨类别分类任务。这两个HRFEs通过复合连接与W-Net共享相同的骨干编码器，从而使得分割任务中有意义的特征能够被分类任务继承。最后，应用一个头部融合块来生成每个细胞核的预测标签。此外，我们引入了一个用于ccRCC细胞核分级的数据集，包含1000个图像块和70945个标注细胞核。我们证明，在该大型ccRCC分级数据集上，我们所提出的方法相较于现有方法取得了最先进的性能。
引用
@article{arxiv.2106.10641,
title = {Nuclei Grading of Clear Cell Renal Cell Carcinoma in Histopathological Image by Composite High-Resolution Network},
author = {Zeyu Gao and Jiangbo Shi and Xianli Zhang and Yang Li and Haichuan Zhang and Jialun Wu and Chunbao Wang and Deyu Meng and Chen Li},
journal= {arXiv preprint arXiv:2106.10641},
year = {2021}
}
备注
Accepted by MICCAI 2021