使用实例感知扩散模型在结肠组织学图像中增强腺体细分.
Mengxue Sun1, Jiale Wang1, Qingtao Gong2
1School of Information Science and Engineering, Shandong Normal University, Jinan, 250358, China.
Computers in biology and medicine
|October 1, 2023
概括
这项研究引入了一种新的扩散模型,用于在结肠组织学图像中自动细分腺体实例,显著提高癌症分级的准确性. 该方法增强了细节恢复和对象背景区分,用于精确的病理分析.
科学领域:
- 病理图像分析的分析方法
- 计算机视觉 计算机视觉 计算机视觉
- 深度学习是一种深度学习.
背景情况:
- 精确的腺体形态确定对于结肠癌分级至关重要.
- 在组织学图像中手动分离腺体具有挑战性和耗时.
- 需要自动腺体实例细分方法来提高效率和准确性.
研究的目的:
- 提出一种新的实例细分方法,用于在结肠组织学图像中自动细分腺体.
- 利用扩散模型来改进病理图像分析.
- 为了提高癌症分级的腺体细分的准确性和稳定性.
主要方法:
- 模拟实例细分作为一个使用扩散模型的denoising过程.
- 员工实例感知过器和一个多尺度的面具分支用于全球面具构建.
- 利用条件编码来增强中间特征,并使用原始图像编码来改进对象和背景的区别.
主要成果:
- 在CRAG,Glass (A和B测试) 和RINGS数据集上取得了显著改善的结果.
- 获得了高性能指标,包括对象F1,对象子,精度和数据集中的子得分.
- 与最先进的深度学习模型相比,展示了更高的细分精度.
结论:
- 提出的基于扩散模型的方法有效地执行了自动腺体实例细分.
- 这种方法显著提高了结肠组织学图像中的细分精度.
- 该方法显示了在癌症分类中的有效性和临床应用潜力.
更多相关视频
11:27Quantitative Multispectral Analysis Following Fluorescent Tissue Transplant for Visualization of Cell Origins, Types, and Interactions
Published on: September 22, 2013
9.4K
10:59Reconstruction of 3-Dimensional Histology Volume and its Application to Study Mouse Mammary Glands
Published on: July 26, 2014
14.5K
