【论文笔记AAAI2021】——Edge-competing Pathological Liver Vessel Segmentation with Limited Labels
目录
- Introduction
- Goal
- Motivation
- Contribution
- Related work
- Method
- 病理切片预处理
- 分割网络
- 有标签label
- 无标签label
- 边缘竞争判别器
- 总体算法
- 实验
Introduction
Goal
微血管侵犯(MVI) 的诊断需要发现含有肝癌细胞的血管,并计算它们在每条血管中的数量,这在很大程度上依赖于医生的经验,在很大程度上是主观和耗时的。
对于病理性肝血管的分割,由于精确标注这些血管非常繁琐、耗时和昂贵,目前还没有专门的数据集。
Motivation
我们首先收集了一个病理肝脏图像数据集,其中包含522张完整的病理切片图像,包括血管、MVI,它可作为病理肝脏图像分析研究的基准。
- 病理肝脏图像具有一些独特的属性,如超大样本尺寸、多尺度血管、血管边缘模糊等,这对血管的精确分割具有挑战性。
- 通过二值化处理可以得到大部分血管的粗边缘。对于含有肝癌细胞的血管,二值化处理将无法精细分割这些patch。然而,结合erosion and dilation操作,二值化处理容易产生一些过分割或欠分割的血管。
Contribution
- 首先,我们收集了一个病理肝脏图像数据集,其中包含522张完整的病理切片图像,有血管、MVI的标记。它可以很容易地作为肝细胞癌分析的基准。
- 其次,提出的分割网络结合了一个边缘感知自监督模块和两个分割判别器,有效地解决了病理血管分割中的难题。在此基础上,首先提出了两个判别器之间的边缘竞争机制,用于学习过分割和欠分割斑块的精确分割,有效地缓解了对大量标注的依赖。
- 最后,在有限的标签下,EVS-Net取得了与完全监督的结果相当的结果,为病理肝血管分割提供了一个方便的工具。
Related work
略。。。
Method
病理肝血管分割流程图。
总共分三个阶段:
- 病理切片预处理——对于从整个切片病理图像上切下的大量未标记的斑块,医生只需要标记有限的斑块。同时,经过二值化处理后,通过不同的侵蚀和膨胀操作,生成一些欠分段(过分段)斑块和欠分段(过分段)斑块。
- 分割网络——然后,提出了基于上述有限标签、过分割和欠分割的patch的EVS-Net分割方法。EVS-Net包括病理血管分割网络(PVSN)、判别器部分。分割网络首先使用有限的标签进行训练初始化PVSN。
- 边缘对抗判别器——针对过分割和欠分割的斑块,训练这两个判别器来判别分割后的血管和背景是否含有剩余的特征。在训练阶段,对于一个未标记的patch,只有当预测的掩模是完美的分割时,才能同时满足两个鉴别器的真实准则,从而使PVSN分割更加准确。
病理切片预处理
- 病理肝脏图像具有超大尺寸、多尺度血管。同时,血管和背景的面积也不平衡。为了得到有用的训练样本,我们首先根据白颜色对血管的一般位置进行定位。然后,采用三种尺寸从整个切片图像的定位位置周围切割出小块,得到大量的patch,S={x1,x2···,xN}。
- 医生只需要给有限的贴片贴上标签
- 对于每个patch x,过分割(over-seg)的mask
【论文笔记AAAI2021】——Edge-competing Pathological Liver Vessel Segmentation with Limited Labels相关推荐
- 论文笔记United adversarial learning for liver tumor segmentation
联合对抗学习用于肝肿瘤分割和多模态非对比MRI检测 Medical Image Analysis 2021 Stage1:在这项研究中,提出一个联合对抗学习框架,UAL首先利用三个并行卷积通道进行多模 ...
- [论文笔记 ECCV2020] Learning to Count in the Crowd from Limited Labeled Data
[论文笔记 ECCV2020] Learning to Count in the Crowd from Limited Labeled Data 摘要 Abstract 贡献 Contribution ...
- 论文笔记 SiamMask : Fast Online Object Tracking and Segmentation: A Unifying Approach
论文连接:[1812.05050] Fast Online Object Tracking and Segmentation: A Unifying Approach 论文连接:[1812.05050 ...
- 论文笔记(七)ISOINTENSE INFANT BRAIN SEGMENTATION WITH A HYPER-DENSE CONNECTED CNNs
论文地址:ISOINTENSE INFANT BRAIN SEGMENTATION WITH A HYPER-DENSE CONNECTED CNNs 摘要 提出超密集连接的3D卷积神经网络,该网络使 ...
- [深度学习论文笔记]Knowledge distillation from multi-modal to mono-modal segmentation networks从多模态到单模态分割的知识提取
Knowledge distillation from multi-modal to mono-modal segmentation networks 从多模态分割网络到单模态分割网络的知识提取 MI ...
- 医疗图像论文笔记三:《HEp-2 Specimen Image Segmentation and Classification Using Very Deep Fully Convolutional》
摘要: 论文提出了一种使用全卷积神经网络的模式识别系统,能同时完成人类上皮细胞样本图像的分割和分类问题.作者将残差网络ResNet改进为全卷积的的残差网络(fully convolutional re ...
- 论文笔记《Fully Convolutional Networks for Semantic Segmentation》
[论文信息] <Fully Convolutional Networks for Semantic Segmentation> CVPR 2015 best paper key word: ...
- [深度学习论文笔记]UNETR: Transformers for 3D Medical Image Segmentation
UNETR: Transformers for 3D Medical Image Segmentation UNETR:用于三维医学图像分割的Transformer Published: Oct 20 ...
- [深度学习论文笔记]Multimodal CNN Networks for Brain Tumor Segmentation in MRI
Multimodal CNN Networks for Brain Tumor Segmentation in MRI: A BraTS 2022 Challenge Solution MRI中用于脑 ...
最新文章
- 【树的直径】解题报告: luogu P3629 [APIO2010]巡逻(树的直径,位运算成对变换,思维)
- Pygame:编写一个小游戏
- Oracle数据库相关
- 如何根据sessionID获取session解决方案
- 如何在官网中下载历史版本的火狐浏览器
- Java 字符串格式化 String.format()
- Delphi中对Jpeg格式文件的处理
- navicat如何配置链接mysql并且新建数据库设置字符集和排列规则
- poj 2649 Factovisors
- 关于我在黑马程序员培训毕业后的亲身体验
- 苹果logo_苹果LOGO起拍价2万美元?
- 如何用 Unity 编写像炸弹人一样的游戏
- 联想win7无法连接无线网络连接服务器,联想笔记本连不上wifi该怎么处理
- 《构建之法》学习总结1——软件工程概论,团队组织及管理,开发流程
- 关于欧几里得距离的一些解释
- Java编程思想总结篇(1-11章学习笔记)——第五章
- scala编程_Scala可以带回编程的喜悦吗?
- cbnet环境配置和运行中遇到的问题
- 深度学习中的归一化方法简介(BN、LN、IN、GN)
- 小程序开发框架WePY和mpvue使用感受
热门文章
- OP320A 文本显器生产资料
- 运维智能报警灯之被动监听-使用SNMP Trap——简单操作,用途多多
- 史上最详细Lipreading using Temporal Convolutional Networks(MS-TCN)代码层面详解
- 此生不戒多巴胺-冲刺日志(第七天)
- Cisco C9800无线控制为什么要配置vty
- Android9 通过拨号键盘暗码打开app
- mbot机器人自动超声波模式程序_利用mBot智能机器人使用超声波传感器解决问题...
- MobaXterm配置与使用
- 华三 IRF的相关配置和注意事项。
- 输电杆塔导线地线比载计算,应力计算
- 论文笔记United adversarial learning for liver tumor segmentation