HisynSeg:通过图像混合合成和一致性规范化进行弱监督的组织病理图像分割

科学领域:

• 计算病理学计算病理学
• 医学图像分析 医学图像分析
• 计算机视觉 计算机视觉

背景情况:

• 组织语义细分在计算病理学中至关重要.
• 类激活地图 (CAM) 方法用于弱监督的细分,但存在激活问题.
• 像素级别的注释是昂贵的,并且需要很长时间才能获得.

研究的目的:

• 开发一种新的框架,用于对组织病理图像进行弱监督的语义细分.
• 解决基于CAM的方法固有的过低激活和过度激活问题.
• 为了提高细分精度,而不需要广泛的像素级注释.

主要方法:

• 提出了利用图像混合合成和一致性规范化的HysynSeg框架.
• 通过使用马赛克转换和贝齐尔面具生成,生成合成的基因病理图像与像素级面具.
• 实现了一个图像过模块,用于真实性和自我监督的一致性规范化,以防止过拟合合成文物.

主要成果:

• HisynSeg成功地将弱监督的细分转化为完全监督的问题.
• 在细分精度方面取得了显著的改进.
• 在三个独立数据集上展示了最先进的性能.

结论:

• 该HysynSeg框架有效地增强了基因病理图像中的语义细分.
• 图像合成和一致性规范化的结合克服了现有的弱监督方法的局限性.
• 提出的方法为计算病理学任务提供了更准确,更有效的解决方案.