PointNu-Net: 关键点辅助卷积神经网络用于多组织组织学细胞核同步分割与分类
图像与视频处理
2023-05-31 v2 计算机视觉与模式识别
定量方法
摘要
自动细胞核分割与分类在数字病理学中起着至关重要的作用。然而，以往的工作大多建立在多样性和尺寸有限的数据上，使得结果在实际下游任务中存疑或具有误导性。本文旨在构建一种可靠且鲁棒的方法，能够处理来自“临床野外”的数据。具体而言，我们研究并设计了一种新方法，用于从苏木精-伊红(H&E)染色的组织病理学数据中同时检测、分割和分类细胞核，并使用近期最大的数据集PanNuke评估我们的方法。我们将每个细胞核的检测与分类视为一个新颖的语义关键点估计问题，以确定每个细胞核的中心点。接着，利用动态实例分割获得细胞核中心点对应的类别无关掩膜。同时，我们提出了一种新颖的联合金字塔融合模块(JPFM)来建模跨尺度依赖关系，从而增强局部特征以改善细胞核检测与分类。通过解耦两个同时进行的挑战性任务并利用JPFM，我们的方法可以从类别感知检测和类别无关分割中受益，从而显著提升性能。我们展示了所提方法在19种不同组织类型上对于细胞核分割与分类的优越性能，并提供了新的基准结果。
引用
@article{arxiv.2111.01557,
title = {PointNu-Net: Keypoint-assisted Convolutional Neural Network for Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification},
author = {Kai Yao and Kaizhu Huang and Jie Sun and Amir Hussain},
journal= {arXiv preprint arXiv:2111.01557},
year = {2023}
}
备注
12 pages,7 figures, journal