基于多尺度编码器-解码器网络(MED-Net)的体内黑素细胞病变共聚焦图像中细胞模式分割
图像与视频处理
2020-01-07 v1 计算机视觉与模式识别
摘要
体内光学显微镜正逐步进入常规临床实践，用于无创指导癌症及其他疾病的诊断和治疗，从而开始减少对传统活检的需求。然而，光学显微图像的读取和分析通常仍是定性的，主要依赖视觉检查。在此我们提出一种称为“多尺度编码器-解码器网络(MED-Net)”的自动语义分割方法，以定量方式对模式类别进行像素级标注。我们方法的新颖之处在于对多尺度纹理建模。这模仿了检查病理图像的步骤：通常从低倍率（低分辨率、大视野）开始，随后对可疑区域用高倍率（高分辨率、小视野）进行更仔细查看。我们在117张黑素细胞病变的反射共聚焦显微镜(RCM) mosaic图像的非重叠划分上训练和测试了我们的模型，这是该应用的一个大规模数据集，采集自美国四家诊所和意大利两家诊所。通过按患者交叉验证，我们在六个类别上实现了像素级平均灵敏度和特异度分别为和，Dice系数为。在按诊所划分数据并测试模型跨多诊所泛化性的场景中，我们实现了像素级平均灵敏度和特异度分别为和，Dice系数为。我们将MED-Net与最先进的语义分割模型进行比较，取得了更好的定量分割性能。我们的结果还表明，由于其嵌套多尺度架构，MED-Net模型对RCM mosaic图像的标注更具一致性，避免了不切实际的碎片化标注。
引用
@article{arxiv.2001.01005,
title = {Segmentation of Cellular Patterns in Confocal Images of Melanocytic Lesions in vivo via a Multiscale Encoder-Decoder Network (MED-Net)},
author = {Kivanc Kose and Alican Bozkurt and Christi Alessi-Fox and Melissa Gill and Caterina Longo and Giovanni Pellacani and Jennifer Dy and Dana H. Brooks and Milind Rajadhyaksha},
journal= {arXiv preprint arXiv:2001.01005},
year = {2020}
}