使用 Triple U-Net 架构对冰冻切片 H&E 染色组织学图像进行细胞核实例分割
图像与视频处理
2024-04-22 v1 计算机视觉与模式识别
摘要
细胞核实例分割在肿瘤诊断和癌症病理学研究中至关重要。H&E 染色图像通常用于医疗诊断，但在将其用于图像处理任务之前需要进行预处理。两种主要的预处理方法是福尔马林固定石蜡包埋样本（FFPE）和冷冻组织样本（FS）。虽然 FFPE 被广泛使用，但耗时较长，而 FS 样本可以快速处理。由于快速处理过程可能导致图像质量下降，分析由快速样本制备、染色和扫描产生的 H&E 染色图像可能会带来困难。本文提出了一种利用 H&E 染色图像独特光学特征的方法。实现了一个三分支 U-Net 架构，其中每个分支都对最终的分割结果有所贡献。该过程包括应用分水岭算法来分离重叠区域并提高准确性。Triple U-Net 架构包含一个 RGB 分支、一个苏木精分支和一个分割分支。本研究聚焦于一个名为 CryoNuSeg 的新数据集。通过稳健实验获得的结果在各项指标上均优于现有先进结果。该数据集的基准得分为 AJI 52.5 和 PQ 47.7，是通过实现 U-Net 架构获得的。然而，所提出的 Triple U-Net 架构获得了 67.41 的 AJI 得分和 50.56 的 PQ 得分。所提出的架构在 AJI 上的改进大于其他评估指标，这进一步证明了 Triple U-Net 架构相对于基线 U-Net 模型的优越性，因为 AJI 是一个更严格的评估指标。使用三分支 U-Net 模型并进行分水岭后处理，显著超越了基准得分，在 AJI 得分上显示出实质性的改进。
引用
@article{arxiv.2404.12986,
title = {Nuclei Instance Segmentation of Cryosectioned H&E Stained Histological Images using Triple U-Net Architecture},
author = {Zarif Ahmed and Chowdhury Nur E Alam Siddiqi and Fardifa Fathmiul Alam and Tasnim Ahmed and Tareque Mohmud Chowdhury},
journal= {arXiv preprint arXiv:2404.12986},
year = {2024}
}
备注
To be published in "6th IVPR & 11th ICIEV"