口腔上皮异型增生中细胞核实例与上皮分层的同步分割
图像与视频处理
2021-09-02 v2 计算机视觉与模式识别
摘要
口腔上皮异型增生（OED）是针对口腔病变给出的一种癌前组织病理学诊断。预测 OED 分级或病例是否会转变为恶性，对于早期发现和适当治疗至关重要。OED 通常始于上皮下三分之一，随后随分级严重程度向上进展，因此我们提出，除单个细胞核外，分割上皮内各层可能使研究者能够评估重要的层特异性形态学特征，用于分级/恶性预测。我们提出 HoVer-Net+，一种深度学习框架，用于同步分割（并分类）OED 病例 H&E 染色切片中的细胞核与（上皮）内各层。所提架构由一个编码器分支和四个解码器分支组成，用于细胞核的同步实例分割与上皮层系的语义分割。我们表明，所提模型在两项任务上均达到最先进（SOTA）性能，且与先前各项任务的 SOTA 方法相比无额外开销。据我们所知，我们的方法是首个同步进行细胞核实例分割与语义组织分割的方法，有望用于计算病理学中其他类似的同步任务以及未来恶性预测研究。
引用
@article{arxiv.2108.13904,
title = {Simultaneous Nuclear Instance and Layer Segmentation in Oral Epithelial Dysplasia},
author = {Adam J. Shephard and Simon Graham and R. M. Saad Bashir and Mostafa Jahanifar and Hanya Mahmood and Syed Ali Khurram and Nasir M. Rajpoot},
journal= {arXiv preprint arXiv:2108.13904},
year = {2021}
}
备注
10 pages, 3 figures, conference