面向组织学图像的无监督数据驱动细胞核分割
图像与视频处理
2021-10-15 v1 计算机视觉与模式识别
信号处理
摘要
本文提出一种用于组织学图像的无监督数据驱动细胞核分割方法，称为 CBM。CBM 以分块方式应用三个模块：1) 用于能量集中和降维的数据驱动颜色变换，2) 数据驱动二值化，以及 3) 结合几何先验的形态学处理。CBM 取自三个模块的首字母——"Color transform"（颜色变换）、"Binarization"（二值化）和 "Morphological processing"（形态学处理）。在 MoNuSeg 数据集上的实验验证了所提 CBM 方法的有效性。基于聚合 Jaccard 指数（AJI）度量，CBM 优于所有其他无监督方法，并在有监督模型中具有竞争力。
引用
@article{arxiv.2110.07147,
title = {Unsupervised Data-Driven Nuclei Segmentation For Histology Images},
author = {Vasileios Magoulianitis and Peida Han and Yijing Yang and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2110.07147},
year = {2021}
}
备注
5 pages, 4 figures, 3 tables