Label-Free Nuclei Segmentation Using Intra-Image Self Similarity

计算机科学 人工智能 分割 模式识别(心理学) 杠杆(统计) 图像分割 像素 尺度空间分割 水准点(测量) 计算机视觉 深度学习 大地测量学 地理
作者
Long Chen,Li Han,S. Kevin Zhou
出处
期刊:Lecture Notes in Computer Science 卷期号:: 673-682
标识
DOI:10.1007/978-3-031-43987-2_65
摘要

In computational pathology, nuclei segmentation from histology images is a fundamental task. While deep learning based nuclei segmentation methods yield excellent results, they rely on a large amount of annotated images; however, annotating nuclei from histology images is tedious and time-consuming. To get rid of labeling burden completely, we propose a label-free approach for nuclei segmentation, motivated from one pronounced yet omitted property that characterizes histology images and nuclei: intra-image self similarity (IISS), that is, within an image, nuclei are similar in their shapes and appearances. First, we leverage traditional machine learning and image processing techniques to generate a pseudo segmentation map, whose connected components form candidate nuclei, both positive or negative. In particular, it is common that adjacent nuclei are merged into one candidate due to imperfect staining and imaging conditions, which violate the IISS property. Then, we filter the candidates based on a custom-designed index that roughly measures if a candidate contains multiple nuclei. The remaining candidates are used as pseudo labels, which we use to train a U-Net to discover the hierarchical features distinguish nuclei pixels from background. Finally, we apply the learned U-Net to produce final nuclei segmentation. We validate the proposed method on the public dataset MoNuSeg. Experimental results demonstrate the effectiveness of our design and, to the best of our knowledge, it achieves the state-of-the-art performances of label-free segmentation on the benchmark MoNuSeg dataset with a mean Dice score of 79.2%.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Air完成签到 ,获得积分10
3秒前
CAST1347完成签到,获得积分10
5秒前
蓝景轩辕完成签到 ,获得积分10
11秒前
宗师算个瓢啊完成签到 ,获得积分10
11秒前
今夜不设防完成签到,获得积分10
11秒前
奔奔完成签到 ,获得积分10
11秒前
emxzemxz完成签到 ,获得积分10
25秒前
ymxlcfc完成签到 ,获得积分10
28秒前
cuicy完成签到 ,获得积分10
29秒前
徐悦完成签到,获得积分10
33秒前
Even9完成签到,获得积分10
40秒前
阿豪要发文章完成签到 ,获得积分10
40秒前
风趣青槐完成签到,获得积分20
41秒前
SciGPT应助科研通管家采纳,获得10
43秒前
nt1119完成签到 ,获得积分10
44秒前
轩辕剑身完成签到,获得积分0
47秒前
高海龙完成签到 ,获得积分10
48秒前
武大帝77完成签到 ,获得积分10
52秒前
土豪的灵竹完成签到 ,获得积分10
53秒前
PM2555完成签到 ,获得积分10
53秒前
喵了个咪完成签到 ,获得积分10
1分钟前
xiaofeiyan完成签到 ,获得积分10
1分钟前
angen完成签到 ,获得积分10
1分钟前
tyd完成签到 ,获得积分10
1分钟前
烫嘴普通话完成签到,获得积分10
1分钟前
鹿雅彤发布了新的文献求助10
1分钟前
安琪完成签到 ,获得积分10
1分钟前
代扁扁完成签到 ,获得积分10
1分钟前
穆亦擎完成签到 ,获得积分10
1分钟前
kannnliannn完成签到 ,获得积分10
1分钟前
虚幻元风完成签到 ,获得积分10
1分钟前
snow完成签到 ,获得积分10
1分钟前
Mimanchi完成签到 ,获得积分10
1分钟前
shor0414完成签到 ,获得积分10
2分钟前
李加威完成签到 ,获得积分10
2分钟前
烟熏妆的猫完成签到 ,获得积分10
2分钟前
西瓜完成签到 ,获得积分10
2分钟前
快乐太英完成签到 ,获得积分10
2分钟前
Judy完成签到 ,获得积分0
2分钟前
呆萌的小海豚完成签到,获得积分10
2分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3244791
求助须知:如何正确求助?哪些是违规求助? 2888434
关于积分的说明 8252925
捐赠科研通 2556928
什么是DOI,文献DOI怎么找? 1385522
科研通“疑难数据库(出版商)”最低求助积分说明 650176
邀请新用户注册赠送积分活动 626303