以最小用户输入实现病理图像鲁棒交互式语义分割
图像与视频处理
2021-08-31 v1 计算机视觉与模式识别
摘要
从病理工作流中组织属性的简单测量，到设计可解释的诊断/预后 AI 工具，获取组织学图像中组织区域的准确语义分割是前提条件。然而，手动勾画不同组织区域是一项费力、耗时且昂贵的任务，需要专家知识。另一方面，最先进的自动深度学习语义分割模型需要大量标注训练数据，而公开可用的组织区域标注图像数量有限。为消除计算病理项目中的这一问题并高效收集大规模区域标注，我们提出一种高效的交互式分割网络，仅需用户最少输入即可准确标注组织学图像中的不同组织类型。用户仅须在每处感兴趣区域内绘制一条简单曲线，其将作为模型的引导信号。为应对不同组织区域复杂的外观与无定形几何，我们引入若干自动且极简的引导信号生成技术，帮助模型对用户输入的变化保持鲁棒。通过在乳腺癌图像数据集上实验，我们表明所提方法不仅加快了交互式标注流程，还能优于现有的自动与交互式区域分割模型。
引用
@article{arxiv.2108.13368,
title = {Robust Interactive Semantic Segmentation of Pathology Images with Minimal User Input},
author = {Mostafa Jahanifar and Neda Zamani Tajeddin and Navid Alemi Koohbanani and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2108.13368},
year = {2021}
}