治疗白癜风比较好方法 http://www.baidianfeng51.cn/m/

-AUG20th

图像处理分析

乳腺肿瘤分割

晟视分享

1.背景介绍

乳腺肿瘤分割是借助病理切片数据对肿瘤进行分割，是推进HE染色淋巴结切片中自动检测乳腺肿瘤非常重要的一步。目前乳腺肿瘤分割主要有基于传统的分割方法和深度学习的分割方法两大类。基于传统的分割方法一般都具有一定的局限性，泛化能力不佳。如基于阈值的分割方法，虽然简单高效，但是针对复杂的图像往往很难找到一个合适的阈值进行分割，导致分割失败。而基于模型的特征提取方法虽然在一定程度上提高了分割精度，但主观性较强，没有统一的标准，对大量细微的细胞难以奏效。但是基于深度学习的分割方法通过端到端的学习方式，从训练样本集中自动获取肿瘤特征信息，改变了传统方法的人工特征提取方式，操作更加简便，在准确率和分割效率上都大有提高，鲁棒性更强。

2.方法介绍

本文从深度学习的角度介绍一个针对乳腺肿瘤分割的工作，利用神经网络CNN的方式实现端到端的乳腺癌分割。本文提出了一种神经条件随机场（NCRF）深度学习框架来检测WSI中的癌症转移。NCRF通过全连接的CRF考虑一张切片图像中的相邻patch之间的空间相关性以及每一个patch的特征。

网络结构如Fig1所示：

Figure1:NCRF模型结构示意图[1]

NCRF最大的特点是既提出了神经条件随机场，是一个全连接的ConditionalRandomField（CRF），也创造了若干个判别式模型然后训练。实验结果如Figure2[1]、Figure3[1]所示：

3.结论

本文分享的技术是神经网络应用于癌症方向诊断，探索基于CNN的变种技术在癌症领域的效果，对于该领域的新技术创新有很大的意义。并且作者提出的神经条件随机场可以获取到patch之间的相关性，这对于大型切片数据的检测、识别、分类等都有很大的启发作用。

参考文献

[1]LiY,PingW.CancerMetastasisDetectionWithNeuralConditionalRandomFi-eld[J]..

更多精彩，敬请期待

杭州晟视科技有限公司