病理图像分割框架

去模糊加区域代理，分割更准

结合去模糊预处理和区域代理策略，专门解决病理图像中细胞核边界模糊、噪声和空洞问题，分割精度超越现有模型。

黎梨苗 · Keke, He · Xiaoyu, Zhu · Gou, Fangfang · 吴嘉

Biomedical Signal Processing and Control 2024

参数信息

IoU 提升

3.3 %

Dice 系数提升

2.3 %

Recall 提升

2.1 %

技术优势

边界更清晰

信息增强迭代滤波自适应网络专门用于改善细胞核区域和边界的清晰度，从而降低后续分割的难度。

分割更高效

RegProxy 模型用代理表示同质语义区域，通过 Transformer 编码器建模区域间关系，在保持性能的同时降低了网络复杂度。

边缘与区域兼顾

联合边界损失和 Tversky 损失，同时优化分割的边界和区域，减少边界模糊和内部孔洞。

量化细胞核形态

后处理阶段消除预测图像中的空洞和噪声，并引入辅助工具测量细胞核大小和形态差异，直接服务于诊断。

应用场景

• 病理图像分析：自动提取清晰细胞核边界，减少人工标注负担。
• 医学图像分割：在模糊和噪声干扰下保持稳定分割，提升下游分析可靠性。
• 细胞核分割：针对细胞核的形态特点设计损失和后处理，减少空洞和误分。
• AI辅助诊断：提供准确的细胞核测量和形态差异分析，辅助临床诊断决策。