针对组织病理学图像的弱监督语义分割超像素边界校正
计算机视觉与模式识别
2025-01-08 v1
摘要
随着深度学习的快速发展，计算病理学在癌症诊断和亚型分类方面取得了显著进展。组织分割是核心挑战，对于预后和治疗决策至关重要。弱监督语义分割 (WSSS) 通过使用图像级标签而非像素级标签来减少标注需求。然而，基于 Class 激活图 (CAM) 的方法仍然 suffer于空间分辨率低和边界不清晰。为此，我们提出一种多级超像素校正算法，通过超像素聚类和 floodfill 细化 CAM 边界。实验结果表明，我们的方法在乳腺癌分割数据集上取得优异性能，mIoU 达到 71.08%，显著改善了肿瘤微环境边界的描绘。
引用
@article{arxiv.2501.03891,
title = {Superpixel Boundary Correction for Weakly-Supervised Semantic Segmentation on Histopathology Images},
author = {Hongyi Wu and Hong Zhang},
journal= {arXiv preprint arXiv:2501.03891},
year = {2025}
}
备注
7 pages, 4 figures