W-Net：一种用于组织病理学图像中细胞核检测的两阶段卷积网络

病理诊断癌症诊断的金标准，但其劳动密集，其中细胞检测、分类与计数等任务尤为突出。自动化这些任务的常见方案是使用细胞核分割技术。然而，由于若干挑战性问题——细胞核黏连、堆叠以及与背景过度融合，难以训练鲁棒的细胞核分割模型。近来，一些研究者提出了一系列基于点标注的自动细胞核分割方法，可显著提升模型性能。尽管如此，点标注仍需由经验丰富的病理学家标记。为利用基于点标注的分割方法、进一步减轻人工负担并使癌症诊断更高效准确，有必要开发一种自动细胞核检测算法，可自动高效地定位病理图像中细胞核位置并为病理学家提取有价值信息。本文中，我们提出一种 W 形网络用于自动细胞核检测。不同于传统基于 U-Net 的方法将原始病理图像直接映射至目标掩码，我们提出的方法将检测任务拆分为两个子任务。第一子任务将原始病理图像映射为二值掩码，随后第二子任务将二值掩码映射为密度掩码。任务拆分后，任务难度显著降低，网络整体性能得以提升。