TA-Net：用于腺体分割的拓扑感知网络
图像与视频处理
2021-10-28 v1 计算机视觉与模式识别
摘要
腺体分割是组织病理学图像分析中定量评估腺体形态的关键步骤。然而，准确分离密集聚类的腺体具有挑战性。现有的基于深度学习的方法试图使用基于轮廓的技术来缓解此问题，但仅取得了有限的成功。为应对这一挑战，我们提出了一种新颖的拓扑感知网络（TA-Net），以准确分离密集聚类和严重变形的腺体。所提出的 TA-Net 具有多任务学习架构，并通过从两个任务（实例分割和腺体拓扑估计）中学习共享表示来增强腺体分割的泛化能力。所提出的拓扑损失利用腺体骨架和标记点计算腺体拓扑，驱动网络生成符合真实腺体拓扑的分割结果。我们在 GlaS 和 CRAG 数据集上使用三个定量指标（F1-score、对象级 Dice 系数和对象级 Hausdorff 距离）验证了所提出的方法。大量实验表明，TA-Net 在两个数据集上达到了最先进的性能。在存在密集聚类腺体时，TA-Net 优于其他方法。
引用
@article{arxiv.2110.14593,
title = {TA-Net: Topology-Aware Network for Gland Segmentation},
author = {Haotian Wang and Min Xian and Aleksandar Vakanski},
journal= {arXiv preprint arXiv:2110.14593},
year = {2021}
}