空间频率增强网络 (SFE-Net):用于在组织病理学图像中进行强大的核细分的空间频率增强网络
Jinsha Chen1, Gang Yang1, Aiping Liu1
1School of Information Science and Technology, University of Science and Technology of China, Hefei 230026, China.
Computers in biology and medicine
|March 6, 2024
概括
这项研究引入了一种新的空间频率增强网络 (SFE-Net),用于改善细胞核细分在组织病理学图像中. 该方法增强了边缘信息和内核一致性,从而导致更强大,更准确的诊断.
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
- 对于组织病理学的深度学习.
背景情况:
- 细胞核细分对于准确的病理诊断至关重要.
- 目前的方法与小核,模糊的边缘和内部不一致性作斗争.
- 基于空间信息的特征提取在捕获细节方面存在局限性.
研究的目的:
- 开发一种强大的核细分方法,解决现有方法的局限性.
- 为了增强边缘信息的提取和内核一致性.
- 为了提高核细分在组织病理学图像中的精度和可靠性.
主要方法:
- 引入空间频率增强网络 (SFE-Net).
- 整合空间频率特征提取和空间引导特征增强模块.
- 标签引导蒸的应用,以加强边界约束和内核一致性.
主要成果:
- 在MoNuSeg,TNBC和CryoNuSeg数据集上,SFE-Net实现了卓越的性能.
- 综合的贾卡德指数得分为79.23% (MoNuSeg),81.96% (TNBC) 和73.26% (CryoNuSeg). 在这些指数中,分别为79.23%和73.26%.
- 在全面的边缘信息提取和改善内核一致性方面表现出有效性.
结论:
- 拟议的SFE-Net显著提高了核细分的准确性和稳定性.
- 整合空间频率特征和标签引导蒸是有效的.
- 该方法为计算病理学和诊断应用提供了有前途的进步.
