利用局部与全局视角的深度学习进行组织病理学图像细胞核分割

数字病理学是现代医学最重大的发展之一。病理检查是医学方案的金标准，在诊断中起着基础性作用。近年来，随着数字扫描仪的出现，组织病理学切片现在可以被数字化并存储为数字图像。因此，数字化的组织病理组织可用于计算机辅助图像分析程序和机器学习技术。细胞核的检测与分割是癌症诊断中的关键步骤之一。最近，深度学习已被用于细胞核分割。然而，用于细胞核分割的深度学习方法存在一个问题，即缺乏来自图像块外部的信息。本文提出了一种基于深度学习的细胞核分割方法，以解决图像块边界区域的误预测问题。我们同时使用局部和全局图像块来预测最终的分割图。在多器官组织病理数据集上的实验结果表明，我们的方法优于基线细胞核分割方法和流行的分割模型。