10.19665/j.issn1001-2400.20230501
边界加权的甲状腺癌病理图像细胞核分割方法
甲状腺癌是实体癌中发病率增速最快的恶性肿瘤之一,病理学诊断是医生诊断肿瘤的黄金标准,而细胞核分割是病理图像自动分析的关键步骤.针对细胞核分割中细胞核边界位置难以分割问题,设计了边界加权模块使网络在训练时更多关注细胞核边界.另一方面,为了避免网络过分关注边界而忽视细胞核主体部分,导致一些染色较浅的细胞核分割失败,提出了前景增强分割网络;该网络通过在上采样的过程中添加前景增强模块不断增强前景并抑制背景,从而实现细胞核精准分割.在自建的甲状腺癌病理图像分割数据集 VIP-TCHis-Seg 上的相似系数(Dice)和像素准确率(PA)两个指标分别约为 85.26%和95.89%,在公共细胞核分割数据集 MoNuSeg上的相似系数(Dice)和像素准确率(PA)两个指标分别约为81.03%和 94.63%.上述实验结果表明,提出的边界加权和前景增强模块的方法能有效提高网络在边界处的分割准确率.
甲状腺乳头状癌、图像分割、UNet、边界加权、前景增强
50
TP181(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;陕西省重点产业创新链
2023-11-24(万方平台首次上网日期,不代表论文的发表时间)
共12页
75-86