用于在不同图像中查找细胞核的显微镜数据分割
计算机视觉与模式识别
2018-08-24 v2 机器学习
摘要
每年有数百万人死于癌症。由于其侵袭性，即使在早期阶段也非常难以治愈。因此，完全战胜该疾病的唯一方法是通过分析患者活检细胞的早期突变进行预测。细胞分割可用于找出已脱离细胞核的细胞，从而实现更快的治疗和更高的存活率。细胞计数是一项困难且繁琐的任务，若实现自动化将大有裨益。为完成此任务，细胞分割必须准确。本文中，我们通过所提网络改进了训练数据的学习，能够在测试数据上标注精确的掩膜。我们通过提出的雕刻技术（Carving Technique）提高学习率，检验了激活函数在医学图像分割任务中的能力。识别细胞核是大多数分析的起点，识别细胞核可使研究者分辨样本中的每个单独细胞，并通过测量细胞对各种处理的反应来理解 underlying 的生物学过程。实验结果表明了所提工作的有效性。
引用
@article{arxiv.1808.06914,
title = {Segmentation of Microscopy Data for finding Nuclei in Divergent Images},
author = {Shivam Singh and Stuti Pathak},
journal= {arXiv preprint arXiv:1808.06914},
year = {2018}
}
备注
7 pages, 7 figures, 1 table. arXiv admin note: text overlap with arXiv:1807.04459, arXiv:1802.10548, arXiv:1807.10165 by other authors