nuclei segmentation | BriefGPT

关键词nuclei segmentation

搜索结果 - 19

点监督核分割中的动态伪标签优化
通过使用类别激活图 (CAMs) 适应地捕捉与标注点具有相似语义的区域，在深度学习中实现准确的核分割，从而克服了基于点标注方法中产生伪掩模的问题。
PDF12 days ago
AWGUNET: 基于注意力引导小波 U-Net 的组织病理图像细胞核分割
准确的核分割对于癌症诊断至关重要。本文提出了一种将 U-Net 架构与 DenseNet-121 主干相结合的分割方法，利用两者的优势捕捉全面的上下文和空间信息。我们的模型引入了小波引导通道注意模块以增强细胞边界勾画，并使用可学习的加权全局
PDF24 days ago
组织学切片的多目标染色归一化
传统的染色标准化方法通常依赖于选择单个代表性参考图像，而这可能不能充分考虑在实际情况下收集的数据集的各种染色模式。本研究引入了一种新颖的方法，利用多个参考图像增强对染色变异的鲁棒性。我们的方法无需参数，并可以在现有的计算病理学流程中采用而无
PDFa month ago
DAWN: 基于跨任务相互作用的领域自适应弱监督核分割
使用领域自适应的弱监督核分割框架，通过交叉任务相互作用策略克服伪标签生成的挑战，并通过弱注释数据训练辅助检测任务，设计一种一致特征约束模块来提高领域自适应的效率。此外，我们还开发了伪标签优化和交互式训练方法来提升领域转移能力，实验证明我们的
PDF2 months ago
UN-SAM：通用无提示分割广义细胞核图像
提出了一种全自动解决方案，名为通用无提示的 SAM 框架 (UN-SAM)，用于细胞核分割，具有优异的泛化能力，通过自动生成高质量掩膜提示来引导分割任务，并利用可学习的域查询来进行不同核域中的分割。
PDF4 months ago
边界感知的对比学习用于半监督核实例分割
本文提出了一种边界感知对比学习网络，用于去噪半监督核分割任务，并通过实验证明了该方法在现有半监督实例分割方法中的优越性。
PDF5 months ago
Segment Any Cell: 基于 SAM 的自动提示微调框架用于细胞核分割
通过引入改进的像素级图像分割模型 Segment Any Cell (SAC)，结合自动生成的实用提示和先进的 Fine-Tuning 技术，在核分割领域实现了优于现有 SOTA 方法的性能提升。
PDF5 months ago
BoNuS: 边界挖掘用于核分割的部分点标签
本文提出了一种只需要部分点标签的弱监督核分割方法，命名为 BoNuS，并证明了其在核分割方面的卓越性能。
PDF6 months ago
基于扩散的核细胞图像分割数据增强
本文介绍了一种基于扩散的核分割增强方法，通过合成大量标记图像，以提高分割模型的性能。实验结果表明，通过将 10％的真实标记数据集与合成样本相结合，可以实现与完全监督基准相媲美的分割结果。
PDF8 months ago
专注于内容而非噪声：通过抑制 CycleGAN 中的隐写术来改进细胞核分割的图像生成
通过 DCT 的低通滤波器去除隐藏的隐写信息，使得合成图像与循环掩码之间的一致性增强，并在下游细胞核分割任务中取得了 5.4 个百分点的 F1 分数改进，从而为细胞核分割产生更准确的合成数据集。
PDFa year ago
TransNuSeg: 用于核分割的轻量级多任务 Transformer
TransNuSeg 是第一个仅采用 Transformer 框架进行核分割的尝试，解耦了核实例、核边缘和聚集边缘分割等任务，采用了新型的自蒸馏（self distillation）损失和部分共享注意力的方案，取得了比 CA2.5-Net
PDFa year ago
DiffMix：基于扩散模型的数据合成对于不平衡病理图像数据中的细胞核分割和分类的应用
本文提出了一种使用扩散模型的现实数据合成方法，以平衡核类别和扩大观察各种核的机会，并使用语义标签条件扩散模型来生成逼真且高质量的图像样本，证明该方法提高了罕见类型的核分类的分类性能，同时在不平衡病理核数据集中显示出卓越的分割和分类性能。
PDFa year ago
基于颜色空间的 HoVer-Net 用于细胞核实例分割和分类
本研究提出了一种基于多通道颜色空间和统一聚焦损失函数（UFL）的核分割和分类方法，同时使用 ConvNeXt 作为 HoVer-Net 模型的编码器，使其能够自动提取区分特征，并使用 SAM 算法确保模型的普适性和达到了 12.489% m
PDF2 years ago
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。
PDF4 years ago
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。
PDF5 years ago
基于可变形多路径集合模型的宫颈涂片细胞核自动分割
本文提出了一种使用可变形多路径集合模型（D-MEM）进行自动宫颈细胞核分割的方法，其中采用 U 形卷积网络作为主干网络，并使用多个具有不同设置的网络构建集合模型，以提高模型的灵活性和准确性，该分割框架在 Herlev 数据集上实现了最新的精
PDF6 years ago
组织病理图像中多个器官核分割的深度对抗训练
利用 cGAN 训练的条件生成模型，基于合成和真实数据，实现了针对不同器官、地点、患者和疾病状态的细胞核分割，优于传统方法。
PDF6 years ago
ECCV多级激活用于层级嵌套类别的分割
本研究提出一种新颖的方法，通过多层激活层和三种兼容的损失来编码基于拓扑学的先验信息，以解决生物图像分割任务中的问题，并在 2018 年的 Data Science Bowl 挑战中验证了该方法的效果，可以大幅提高分割的 Dice 分数。
PDF6 years ago
CVPR三维荧光显微镜图像合成和分割
本研究提出了一种使用合成 3D 体积进行深度学习核分割的方法，通过空间约束的对抗网络生成一组合成 3D 体积和相应的地面真实数据集，对各种数据集成功地完成了核分割任务。
PDF6 years ago