换一批基于弱监督学习的双分支结直肠病理图像腺体分割
Gland segmentation in colorectal pathological image using dual-branch network based on weakly supervised learning
摘要现有弱监督分割方法难以获得结直肠病理图像的细粒度腺体特征,导致无法生成高质量伪标签的问题,影响腺体分割的效果.为了解决上述问题,提出一种基于弱监督学习的双分支结直肠病理图像腺体分割方法.首先,将patch级结直肠病理图像输入到第一个分支网络中,通过特征交互模块和亲和度注意力融合模块实现patch级图像的局部和全局特征的交互和融合,并获得细粒度腺体特征.然后,将图像级结直肠病理图像输入到第二个分支网络中,利用局部类激活注意力模块定位腺体位置,并获得粗粒度类激活图.最后,通过细粒度腺体特征和粗粒度类激活图,得到高质量伪标签,并在分割网络中经过跨尺度连接空间感知模块,实现腺体分割.实验结果表明,将所提方法在GlaS和CRAG两个结直肠病理图像数据集中进行实验,与其他分割方法相比取得较好的分割效果,验证所提方法的有效性.
更多相关知识
关键词
弱监督学习结直肠病理图像腺体分割伪标签类激活图weakly supervised learningcolorectal pathological imagegland segmentationpseudo-labelclass activation map
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.09.007
发布时间
2024-10-14（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
