基于类激活图的白细胞图像的弱监督的语义细分基于类激活图
Rui Feng1, Wei Chen1,2, Jie Qi3
1School of Communication and Information Engineering, Xi'an University of Science and Technology, Shaanxi 710054, China.
Biomedical optics express
|September 19, 2024
概括
这项研究引入了对白细胞图像的弱监督语义细分 (WSSS) 方法,大大减少了手动注释的需求. 该方法实现了与完全监督方法相比的细分精度,有助于自动检测.
科学领域:
- 医学图像分析 医学图像分析
- 计算生物学 计算生物学
- 计算机视觉 计算机视觉
背景情况:
- 精确细分白细胞图像对于人类防御系统内的自动检测至关重要.
- 传统的完全监督语义细分 (FSSS) 需要广泛的,劳动密集的像素级注释.
- 现有的方法面临着与手动数据标签相关的时间和成本的挑战.
研究的目的:
- 为白细胞图像开发一种弱监督的语义细分 (WSSS) 方法.
- 为了减少对耗时的像素级注释的依赖.
- 为了实现与FSSS方法相比较的高细分精度.
主要方法:
- 使用了为WSSS改进的类激活地图 (CAMs).
- 使用图像预处理来增强白细胞边界.
- 整合了注意力机制,通过匹配本地和全球特征来完善CAM.
- 杆式随机步行,密集的有条件随机字段,以及用于伪标签生成的洞填充.
- 使用生成的伪细分标签训练了一个UNet模型.
主要成果:
- 拟议的WSSS方法有效地为白细胞图像生成伪细分标签.
- 使用这些伪标签对UNet进行训练,实现了接近FSSS的细分性能.
- 显著降低了手动注释成本.
- 在BCCD和TMAMD数据集上验证了性能.
结论:
- 开发的WSSS方法为白细胞图像细分提供了FSSS的有效替代方案.
- 这种方法成功地减少了注释负担,同时保持了高细分精度.
- 这项技术对推进自动白细胞检测系统的前景充满希望.
