-
题名结合多任务学习的半监督病理图像分割方法
被引量：1
- 1
-
-
作者
曾黎
汤红忠
王蔚
谢明健
吴勇军
-
机构
湘潭大学自动化与电子信息学院
湘潭大学智能计算与信息处理教育部重点实验室
湘潭市第一人民医院病理科
-
出处
《协和医学杂志》
CSCD
2023年第2期416-425,共10页
-
基金
国家自然科学基金区域创新发展联合基金(U19A2083)
湖南省自然科学基金(2020JJ4588,2020JJ4090)
湘潭大学智能计算与信息处理教育部重点实验室开放课题(2020ICIP06)。
-
文摘
病理图像自动分割是计算机辅助诊断技术的重要组成部分,可降低病理科医师工作负担,提高诊断效率和准确性。本文介绍一种结合多任务学习的半监督病理图像分割方法。该方法基于半监督的方式同时进行癌症区域图像分割与分类,即首先基于极少量像素级标注图像对分割网络进行训练,然后结合图像级标注图像同时完成图像分割及分类。在网络训练过程中,通过此2个任务的交替迭代以优化网络参数,降低了深度学习模型对图像标注的依赖性。在此基础上,模型引入了动态加权交叉熵损失函数,可利用分类预测概率值自动完成每个像素的权重分配,以提高分割网络对预测概率值较低目标区域的关注度。该策略可有效保持癌症区域的细节信息,经验证可在像素标注数据量不足的情况下对乳腺癌病理图像获得良好的癌症区域分割结果。
-
关键词
病理图像分割
多任务学习
半监督学习
动态加权交叉熵
-
Keywords
histopathological image segmentation
multi⁃task learning
semi⁃supervised learning
dynamically weighted cross entropy
-
分类号
R36
[医药卫生—病理学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
