用于细胞核分割的两阶段联合转导与归纳学习
图像与视频处理
2023-11-21 v2 计算机视觉与模式识别
机器学习
摘要
组织病理学图像中 AI 辅助的细胞核分割是癌症疾病诊断和治疗中的关键任务。它减少了手动筛查显微组织图像所需时间,并能解决诊断期间病理学家之间的分歧。深度学习已在此类任务中证明有用。然而,标注数据的缺乏是基于深度学习方法的重大障碍。在本研究中,我们提出一种利用可用标注与未标注数据的细胞核分割新方法。所提方法将此前分别尝试过的转导学习与归纳学习的优势结合入统一框架。归纳学习旨在逼近通用函数并泛化至未见测试数据,而转导学习具有利用未标注测试数据改善分类的潜力。据我们所知,这是首个针对医学图像分割提出此类混合方法的研究。此外,我们提出一种新颖的两阶段转导推理方案。我们在 MoNuSeg 基准上评估我们的方法,以证明该方法的效力与潜力。
引用
@article{arxiv.2311.08774,
title = {Two-stage Joint Transductive and Inductive learning for Nuclei Segmentation},
author = {Hesham Ali and Idriss Tondji and Mennatullah Siam},
journal= {arXiv preprint arXiv:2311.08774},
year = {2023}
}
备注
5 pages