过参数卷积与CBAM融合的胸腔积液肿瘤细胞团块分割网络
2023-10-24陈思卓赵萌石凡黄薇
中国图象图形学报 2023年10期
陈思卓,赵萌,石凡,黄薇
1.学习型智能系统教育部工程研究中心,天津 300384;2.天津理工大学计算机科学与工程学院,天津 300384
0 引言
肺癌是全球发病率第二高、致死率最高的癌症(Sung 等,2021),2020 年因肺癌死亡的患者占癌症死亡患者数的18%(田艳涛和康文哲,2021)。肺癌的早期确诊对提高患者的存活率有积极作用。临床中可以通过CT(computed tomography)和MRI(magnetic resonance imaging)等影像学检查,为肺癌的确诊提供参考,但更严谨的诊断是依靠病理分析检查发现的肿瘤细胞。研究表明肺癌的出现通常会诱发患者出现胸腔积液(胸水)症状,在原发性肺癌和发生肺部转移的癌症患者的胸水中,能够找到肿瘤细胞和肿瘤细胞团块(Zhai 等,2017;Sarioglu 等,2015)。对胸水中的癌症细胞进行分割,能够帮助医生及时确定患者肺部是否存在肿瘤细胞。同时,可以为进一步进行病理学分析,判断肺癌肿瘤细胞的病理类型,确定肿瘤细胞的生物标记提供条件。对胸水以及胸水肿瘤细胞的分析能够监测患者疾病的发展情况(Nagrath 等,2007),为制定治疗方案提供参考,避免延误宝贵的早期治疗时间。
医学图像的分割通常是生物医学图像分析的第一步(Caicedo 等,2019)。但人工评判存在主观性强、费时费力的缺点。近年来使用计算机辅助癌症组织细胞分割的技术得到了发展。利用计算机对细胞组织进行分割,有着分割结果定量客观、分割速度快的优点。同时,使用计算机技术辅助医学图像处理,能够从常规的癌症组织学图像中提取潜在的有用信息(Echle等,2021)。在过去几年中深度学习网络在细胞分割领域有着优秀的表现。……
登录APP查看全文
