基于部分点标注的组学病理图像弱监督深度细胞核分割

细胞核分割是组学病理图像分析中的一项基础任务。通常，此类分割任务需要大量人工努力来生成准确的像素级标注以进行全监督训练。为减轻这种繁琐的人工劳动，本文提出一种基于部分点标注的新型弱监督分割框架，即每幅图像中仅标注一小部分细胞核位置。该框架由两个学习阶段组成。在第一阶段，我们设计了一种半监督策略，从部分标注的细胞核位置学习检测模型。具体而言，设计了一种扩展高斯掩码，利用部分标注数据训练初始模型。然后，提出带背景传播的自训练，以利用未标注区域提升细胞核检测并抑制假阳性。在第二阶段，以弱监督方式从检测到的细胞核位置训练分割模型。从检测点导出两类具有互补信息的粗标签，并用于训练深度神经网络。训练中使用全连接条件随机场损失以进一步精炼模型，且在推理时不引入额外计算复杂度。所提方法在两个细胞核分割数据集上进行了充分评估。实验结果表明，与全监督对应方法及 SOTA 方法相比，我们的方法在所需标注工作量显著更少的情况下仍能取得有竞争力的性能。