基于逐像素点深度卷积网络分割模型的上皮和间质组织分割

• 作者: 徐军 陈佳梅 骆小飞
• 来源期刊: 自动化学报
• 关键词: 深度卷积网络 乳腺组织病理图像 上皮和间质组织分割 逐像素分割
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 论文与报告
• 页码范围: 2003-2013
• 页数: 11页
• 字数: 7247字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160464

摘要

上皮和间质组织是乳腺组织病理图像中最基本的两种组织,约80 % 的乳腺肿瘤起源于乳腺上皮组织.为了构建基于乳腺组织病理图像分析的计算机辅助诊断系统和分析肿瘤微环境,上皮和间质组织的自动分割是重要的前提条件.本文构建一种基于逐像素点深度卷积网络(CN-PI) 模型的上皮和间质组织的自动分割方法.1) 以病理医生标注的两类区域边界附近具有类信息为标签的像素点为中心,构建包含该像素点上下文信息的正方形图像块的训练集.2) 以每个正方形图像块包含的像素的彩色灰度值作为特征,以这些图像块中心像素类信息为标签训练CN模型.在测试阶段,在待分割的组织病理图像上逐像素点地取包含每个中心像素点上下文信息的正方形图像块,并输入到预先训练好的CN 网络模型,以预测该图像块中心像素点的类信息.3) 以每个图像块中心像素为基础,逐像素地遍历图像中的每一个像素,将预测结果作为该图像块中心像素点类信息的预测标签,实现对整幅图像的逐像素分割.实验表明,本文提出的CN-PI 模型的性能比基于图像块分割的CN 网络(CN-PA)模型表现出了更优越的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐军	南京信息工程大学江苏省大数据分析技术重点实验室	21	107	7.0	9.0
2	陈佳梅	武汉大学中南医院肿瘤科肿瘤生物学行为湖北省重点实验室湖北省肿瘤医学临床研究中心	6	4	1.0	2.0
3	骆小飞	南京信息工程大学江苏省大数据分析技术重点实验室	1	3	1.0	1.0