基于残差与多分辨率U-Net的组织学图像前列腺腺体分割
图像与视频处理
2021-05-25 v1 计算机视觉与模式识别
摘要
前列腺癌是全球最普遍的癌症之一。降低其死亡率的关键因素之一在于早期检测。用于该任务的计算机辅助诊断系统基于对组织学图像中的腺体结构分析。因此，准确的腺体检测与分割对成功预测至关重要。本工作的 methodological basis 是基于U-Net卷积神经网络架构 modified with 残差与多分辨率块的前列腺腺体分割，并使用数据增强技术训练。在测试子集上，残差配置在图像级比较中优于先前最先进方法，达到平均Dice指数0.77。
引用
@article{arxiv.2105.10556,
title = {Prostate Gland Segmentation in Histology Images via Residual and Multi-Resolution U-Net},
author = {Julio Silva-Rodríguez and Elena Payá-Bosch and Gabriel García and Adrián Colomer and Valery Naranjo},
journal= {arXiv preprint arXiv:2105.10556},
year = {2021}
}