NuClick：从细胞核中的点击到核边界
定量方法
2019-09-10 v1 机器学习
图像与视频处理
机器学习
摘要
性能最佳的核分割方法基于深度学习算法，需要大量标注数据。然而，收集核分割标注是一项极其耗费人力且耗时的工作。因此，提供一种能够便利并加速该过程的工具需求迫切。在此我们提出一个基于卷积神经网络的简单而高效的框架，名为 NuClick，它可通过接受每个核内部的一个单点位置（或点击）来精确分割核边界。基于点击位置，生成包含以这些位置为中心的二维高斯分布的内含与排斥图。这些图作为引导信号服务于网络，因为它们被拼接至输入图像。内含图聚焦于目标核，而排斥图指示邻近核并改善在核拥挤场景下的分割结果。NuClick 不仅有助于从未知数据中收集更多标注，还可为深度模型带来更优的分割输出。同样值得一提的是，一个在 NuClick 生成标签上训练的实例分割模型在 LYON19 挑战赛中排名第一。
引用
@article{arxiv.1909.03253,
title = {NuClick: From Clicks in the Nuclei to Nuclear Boundaries},
author = {Mostafa Jahanifar and Navid Alemi Koohbanani and Nasir Rajpoot},
journal= {arXiv preprint arXiv:1909.03253},
year = {2019}
}