基于深度卷积神经网络与全变分分割的结肠腺体语义分割
计算机视觉与模式识别
2017-10-11 v2
摘要
组织病理学切片的分割是数字病理学中的普遍需求，并且由于生物组织的巨大变异性，机器学习技术已展现出优于标准图像处理方法的性能。作为 GlaS@MICCAI2015 结肠腺体分割挑战的一部分，我们提出一种基于学习的算法来分割良性和恶性结直肠癌组织中的腺体。图像根据苏木精-伊红染色协议进行预处理，两个深度卷积神经网络（CNN）被训练为像素分类器。随后使用基于加权全变分的图-底分割对 CNN 预测进行正则化，以产生最终分割结果。在两个测试集上，我们的方法实现了 98% 和 94% 的组织分类准确率，利用了系统区分良性和恶性组织的固有能力。
引用
@article{arxiv.1511.06919,
title = {Semantic Segmentation of Colon Glands with Deep Convolutional Neural Networks and Total Variation Segmentation},
author = {Philipp Kainz and Michael Pfeiffer and Martin Urschler},
journal= {arXiv preprint arXiv:1511.06919},
year = {2017}
}
备注
An extended version of this work has been published in PeerJ (https://doi.org/10.7717/peerj.3874), so please cite our journal version instead of this preprint