无监督的斑点增大增强了病理图像上的球体实例细分
Fan Yang1, Qiming He1, Yanxia Wang2,3
1Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Shenzhen, China.
概括
这项研究引入了一种无监督的染色增大方法,以改善病理图像中的球实例细分. 该技术可以提高模型在不同染料中的性能,克服传统监督方法的局限性.
科学领域:
- 数字病理学数字病理学
- 医学图像分析 医学图像分析
- 计算病理学计算病理学
背景情况:
- 用于球实例细分的监督深度学习模型在看不见的污点上表现不佳,原因是污点特定的特征突出显示.
- 获取多斑点注释病理学数据集是劳动密集型和耗时的,限制了模型的概括性.
研究的目的:
- 提出一种无监督的染色增强方法,在各种染色技术中进行强大的球实例细分.
- 增强培训数据集的染色多样性,无需手动注释.
主要方法:
- 使用对比的未配对翻译 (CUT) 来转换周期性酸-Schiff (PAS),马森三色 (MT) 和周期性酸-银甲胺 (PASM) 染色.
- 用Swin变压器替换了Mask R-CNN骨干,以改善实例细分中的特征提取.
主要成果:
- 拟议的染色增强方法在PAS,PASM和MT染色的所有指标上显著优于现有的方法.
- 废弃实验证实了拟议方法的各个组成部分的有效性.
- 该模型在一个包含216个全幻灯片图像 (WSI) 的数据集上得到了验证.
结论:
- 无监督的斑点增大显示出在数字病理学中改善球细分的巨大潜力.
- 这种方法可以扩展到病理图像分析中的其他复杂的细分任务.


