用于结肠细胞核识别与计数的语义与实例分割同步框架
计算机视觉与模式识别
2022-04-19 v2
摘要
我们解决了苏木精-伊红染色组织学图像中细胞核的自动分割、分类与量化问题，这对若干下游计算病理学应用具有重要意义。本工作中，我们提出了一种被构建为语义与实例分割同步框架的解决方案。我们的方案是结肠细胞核识别与计数（CoNIC）挑战赛的一部分。我们首先分别训练语义与实例分割模型。我们的框架以 HoverNet 和 Cascade Mask-RCNN 模型作为骨干网络。随后，我们通过自定义的嵌入非极大值抑制（NMS）对结果进行集成。在我们的框架中，语义模型计算细胞的类别预测，而实例模型提供精细化的分割。我们通过实验结果证明，我们的模型大幅优于所提供的基线方法。
引用
@article{arxiv.2203.00157,
title = {Simultaneous Semantic and Instance Segmentation for Colon Nuclei Identification and Counting},
author = {Lihao Liu and Chenyang Hong and Angelica I. Aviles-Rivero and Carola-Bibiane Schönlieb},
journal= {arXiv preprint arXiv:2203.00157},
year = {2022}
}
备注
9 pages; 4 figures