基于邊緣檢測的乳腺癌細胞核分割預測圖融合算法*

閆偉鑫,呂曉琪,2,谷宇

(1.內蒙古科技大學 信息工程學院 內蒙古自治區模式識別與智能處理重點實驗室,內蒙古 包頭 014010;2.內蒙古工業大學 信息工程學院,內蒙古 呼和浩特 010051)

乳腺癌嚴重危害女性健康.隨著計算機視覺技術的發展,很多研究者致力于對病理學圖像中的細胞核進行分割研究并用于計算機輔助系統為乳腺癌分級提供依據,但病理圖像背景復雜,經常難以分割出完整的細胞核邊緣.

在傳統方法中,YANG等[1]人使用閾值作為分水嶺算法的輸入,用來提取細胞核實例;ZHOU等[2]人首先對研究的圖像利用自適應閾值的局部窗口進行二值處理,接著對細胞核進行分水嶺分割;ZHAO等[3]人提出一種基于超像素的馬爾可夫隨機場分割細胞核的方法,該方法將整個圖像描述為無向概率圖形模型,然后對圖像上的顏色不重疊的超像素塊進行分類,用于分割出細胞核,細胞質和背景區域.但是這些方法依賴于細胞核和背景的灰度差異,因此對于比較復雜的病理學圖像經常產生不可靠的結果.

在深度學習領域,Micro-Net[4]網絡結構根據H&E圖像中的著色變化具有魯棒性,使用多種分辨率輸入網絡模型分割細胞核;CIA-Net[5]網絡結構通過讓解碼器能夠協同地細化細胞核和輪廓的細節來獲取完整的細胞核邊緣;BESNet[6]網絡使用了2個解碼器分別增強細胞邊界和分割病理學圖像中的細胞核.但是這些方法都對細胞核的邊緣存在過分割或欠分割的問題.

以上的方法都……