APP下载

基于自监督学习的病理图像层次分割

2020-06-20吴崇数薛蕴菁

计算机应用 2020年6期
关键词:色彩特征区域

吴崇数,林 霖,薛蕴菁,时 鹏*

(1.福建师范大学数学与信息学院,福州 350117;2.数字福建环境监测物联网实验室(福建师范大学),福州 350117;3.福建医科大学附属协和医院放射科,福州 350001)

(∗通信作者电子邮箱pshi@fjnu.edu.cn)

0 引言

近年来,世界肿瘤发病率和死亡率仍呈上升趋势[1]。作为肿瘤检测的金标准,组织病理学检验对肿瘤的诊断有十分重要的参考价值。在肿瘤组织显微图像的分析中,苏木精-伊红染色病理切片是肿瘤组织显微图像分析中常用的染色方法之一[2-3]。病理切片中细胞核被碱性的苏木精染成蓝紫色,细胞质被酸性的伊红染成红色,因此HE 染色图像中有三种不同的细胞结构:细胞核、细胞质和未染色的胞外间隙。然而,对于病理图像分析而言,人工分析大量的HE 染色图像数据是一项艰巨的任务,且分析的结果易受主观因素的影响,工作效率难以提高。

随着图像处理技术在医学领域的广泛应用,HE染色图像的自动分割成为计算机辅助诊断研究的重点之一。目前相关研究主要可分为两类,分别是基于阈值[4-6]、形态学[7-9]的图像处理方法与基于机器学习[10-13]的方法。其中基于阈值的方法主要通过对图像进行预处理,使其易于进行阈值分割,如转换色彩空间[4]、构建超像素图像[5],或利用优化算法得到最优阈值[6]。基于形态学的方法通过像素强度、梯度流和不同细胞结构间的染色差异来寻找分割边界,如统计水平集[7]、活动轮廓模型[8-9]以及其他的边缘检测算法。但由于染色后细胞核、细胞质以及胞外间隙之间没有明确的界限,难以寻找合适的阈值将各组织结构加以区分;……

登录APP查看全文

猜你喜欢

色彩特征区域
如何表达“特征”
不忠诚的四个特征
神奇的色彩(上)
关于四色猜想
春天的色彩
分区域
色彩当道 俘获夏日
2015春夏鞋履色彩大集结
基于严重区域的多PCC点暂降频次估计
线性代数的应用特征