Jul, 2022

使用点标注技术的细胞端到端识别

PDF
TL;DR本文介绍了一种基于点的细胞检测和分类框架，该框架采用了直接回归和分类方法，并采用金字塔式特征聚合策略同步处理底层特征和高层语义。实验结果表明，该方法在在免疫组织化学图像的分析中有着较高的准确性和效率，并具有较高的协助病理学家评估的潜力。
immunohistochemical staining imagescell detectioncell classificationend-to-end frameworkpyramidal feature aggregation
发现论文，激发创造
  • 基于点监督的半监督细胞识别

    本文提出了一种适用于端到端 PCR 模型的半监督点基细胞识别（SSPCR）框架，该框架利用伪标签和共同教学策略来提高细胞识别的准确性，速度和健壮性。

    Jun, 2023

  • 细胞检测和分割的弱监督多任务学习

    本研究使用深度学习算法和点标签编码方法，实现对 PMS2 染色大肠癌和扁桃体组织图像进行单个细胞检测和分割的目标，相比现有技术，本算法在不增加标注工作的情况下显著提高了细胞检测和分割的效果。

    Oct, 2019

  • 使用三维心血管免疫荧光图像中的点注释进行弱监督的深度个体细胞核检测

    本研究旨在开发一种自动计数血管壁动脉粥样硬化斑块细胞的方法，并使用弱监督学习方法训练 HoVer-Net 模型来检测荧光图像中的细胞核，并使用熵最小化损失函数来提高该模型在周围未标记区域的预测置信度。

    Jul, 2022

  • 使用深度贝叶斯回归密度图进行不确定性感知细胞检测的概率空间分析在定量显微镜中

    本文提出了一种基于深度学习的细胞检测方法，通过使用贝叶斯方法来构建具有不确定性的密度图，并学习映射到概率空间的方法，实现了对大型显微镜图像的检测和精确定位。同时，还介绍了一种蒙特卡罗抽样的概率空间分析，可用于测试生物学假设的空间分布，并发现了原来无法检测到的空间模式。

    Feb, 2021

  • 基于检测响应传播的弱监督细胞实例分割

    本文提出了一种弱监督方法，可以在密集条件下分割相互接触、边界不清的单个细胞区域，无需单独的训练数据，通过多种显微镜捕获的多种细胞类型的数据集验证了该方法的有效性。

    Nov, 2019

  • 利用组织病理图像中的部分点注释进行弱监督深度细胞核分割

    本文提出了一种基于部分点注释的弱监督分割框架，其中包括两个阶段的半监督策略和深度神经网络的使用，使得核分割的自动化处理不需要大量的标注数据和额外的计算负担。

    Jul, 2020

  • 使用类别比例的负伪标签在病理学语义分割中的应用

    本研究提出一种弱监督细胞跟踪方法，该方法使用 “细胞检测” 注释（即细胞位置坐标）而不使用关联信息来训练卷积神经网络。该方法通过前向和后向传播分析了卷积神经网络检测图中细胞位置的对应关系，成功匹配了不同帧中的细胞位置，且性能接近于最新的监督方法。

    Jul, 2020

  • 使用点注释进行细胞核分割的伪边缘网络

    本文提出了一种较少注释的、基于点的核分割方法，引入了一种叫做 PseudoEdgeNet 的辅助网络，可以引导分割网络识别核边缘，提高整个系统的性能。实验表明，在两个公共数据集上，该方法始终优于其他弱监督方法。

    Jun, 2019

  • 星形凸多边形细胞检测

    本文研究了利用卷积神经网络实现细胞和细胞核在显微镜图像中的自动检测和分割，并结合星形多边形对细胞核进行定位，避免边界交叉和形状的偏差带来的分割错误的影响。研究结果表明该方法在合成数据集和荧光显微镜图像分割上有很好的效果。

    Jun, 2018

  • 组织学区域鉴定的种子迭代聚类

    研究论文提出用种子迭代聚类方法进行分割，以解决在病理学中生成稠密注释的困难，并为神经网络隐表示的转移学习提供了比较框架

    Nov, 2022