用于结肠细胞核识别与计数的 Separable-HoverNet 与 Instance-YOLO
图像与视频处理
2022-03-02 v1 计算机视觉与模式识别
摘要
在苏木精-伊红染色组织学图像中进行细胞核分割、分类与量化，能够提取可解释的细胞级特征，这些特征可用于计算病理学(CPath)中的下游可解释模型。然而，不同类型细胞核的自动识别面临一大挑战：存在多种不同类型的细胞核，其中部分表现出较大的类内变异性。在本工作中，我们提出一种结合 Separable-HoverNet 与 Instance-YOLOv5 的方法来识别体积小且类别不平衡的结肠细胞核。我们的方法在 ISBI 2022 CoNIC Challenge 的分割与分类初步测试数据集上取得了 0.389 的 mPQ+，在细胞组成初步测试数据集上取得了 0.599 的 r2。
引用
@article{arxiv.2203.00262,
title = {Separable-HoverNet and Instance-YOLO for Colon Nuclei Identification and Counting},
author = {Chunhui Lin and Liukun Zhang and Lijian Mao and Min Wu and Dong Hu},
journal= {arXiv preprint arXiv:2203.00262},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2111.14485 by other authors