一种基于TC-UNet++和距离分水的核图像细分和计数方法
Kaifeng Zheng1, Jie Pan2, Ziyan Jia3
1School of Mechanical Engineering, Jiangsu University of Technology, Changzhou, People's Republic of China.
Medical engineering & physics
|November 18, 2024
概括
一种新的方法TC-UNet++增强了细胞分析中的核细分和计数. 它提高了具有挑战性的数据集的准确性,为核的识别和量化提供了更完整和合理的方法.
科学领域:
- 计算生物学 计算生物学
- 图像分析 图像分析
- 生物医学成像技术 生物医学成像技术
背景情况:
- 细胞核细分和计数对于细胞分析至关重要.
- 密集的核分布和模糊的边界带来了重大的细分挑战.
研究的目的:
- 提出一种用于准确核细分和计数的新方法.
- 为了解决现有的核分析技术的局限性.
主要方法:
- 一种混合方法,结合TC-UNet++进行全球细分和距离分水进行本地细分.
- 应用计数方法来提取核数,面积和质量中心.
主要成果:
- 在数据科学碗数据集上,TC-UNet++实现了89.95%的细胞实例细分的子系数,超过了U-Net++.
- 在数据科学碗数据集上的计数结果显示5.09%的改进.
- 在ALL-IDB数据集上达到了83.97%的子系数,比U-Net++增加7.93%,计数有16.82%的改进.
结论:
- 拟议的TC-UNet++方法提供了一个更完整和合理的核细分和计数方案.
- 这种方法在具有挑战性的细胞分析场景中显著提高了准确性.
- 该方法为核特征提供了有价值的定量数据.
