从WSI级到补丁级:结构预先引导的双核细胞细粒度检测
Geng Hu1, Baomin Wang1, Boxian Hu1
1School of Engineering Medicine, Beihang University, Beijing 100191, China; School of Biological Science, Beihang University and Key Laboratory of Biomechanics and Mechanobiology (Beihang University), Ministry of Education, Beijing 100191, China.
Medical image analysis
|August 16, 2023
概括
这项研究引入了用于准确检测双核细胞 (BC) 的深度学习方法,改善了白血病风险预测. 这种新的方法增强了对显微镜图像的自动分析,克服了手动计数和传统方法的局限性.
科学领域:
- 计算病理学计算病理学
- 医疗图像分析 医学图像分析
- 瘤学中的深度学习
背景情况:
- 手动计数双核细胞 (BC) 是耗时且主观的.
- 传统的图像处理在BC显微镜全片图像 (WSI) 中与染色变化和形态多样性作斗争.
- 准确的BC检测对于预测白血病和其他恶性瘤至关重要.
研究的目的:
- 开发一种自动化,准确和高效的双核细胞 (BC) 检测和分类在整个幻灯片图像 (WSIs) 的方法.
- 克服手动计数和BC分析传统图像处理技术的局限性.
- 通过增强的BC检测来改善白血病和其他恶性瘤的预测.
主要方法:
- 一个多任务深度学习框架,结合粗度检测 (WSI级) 和细粒度分类 (补丁级).
- 粗探测利用细胞的圆形边界框和核的关键点,提供旋转不变性.
- 精细分类包括一个背景抑制模块与颜色层面罩监督和基于变压器的关键区域选择模块. 还开发了一个无监督的细胞质发生器网络.
主要成果:
- 与现有基准相比,拟议的方法在多个评估标准上取得了更高的性能.
- 圆形的界限框表示对于细胞检测是有效的,并且对杂质是强大的.
- 关键点检测有助于网络感知和无监督细分,而变压器提高了分类准确性.
结论:
- 开发的深度学习方法显著提高了双核细胞 (BC) 检测的准确性和效率.
- 这种方法为分析整个幻灯片图像 (WSI) 中的BC提供了强大的解决方案,解决了染色和形态学的挑战.
- 这些发现支持通过自动化病理分析加强癌症查和风险预测.
