基于多任务深度神经网络的细胞核全景分割与成分回归
图像与视频处理
2022-02-25 v1 计算机视觉与模式识别
摘要
在苏木精-伊红染色组织学图像中进行细胞核分割、分类与量化，能够提取可解释的细胞级特征，用于计算病理学中的下游可解释模型。结肠细胞核识别与计数（CoNIC）挑战赛旨在推动计算病理学中自动细胞核识别的研究与创新。本报告描述了我们提交给 CoNIC 挑战赛的所提方法。我们的方法采用多任务学习框架，执行全景分割任务和回归任务。对于全景分割任务，我们使用编码器-解码器类型的深度神经网络，除分割图外还预测方向图，以将相邻细胞核分离为不同实例。
引用
@article{arxiv.2202.11804,
title = {Nuclei panoptic segmentation and composition regression with multi-task deep neural networks},
author = {Satoshi Kondo and Satoshi Kasai},
journal= {arXiv preprint arXiv:2202.11804},
year = {2022}
}