计算机应用

作者：陈志, 李歆, 林丽燕, 钟婧, 时鹏

单位：1.福建师范大学 计算机与网络空间安全学院, 福州 350117；2.福建医科大学附属肿瘤医院, 福建省肿瘤医院 病理科, 福州 350014；3.福建医科大学附属肿瘤医院, 福建省肿瘤医院 放射诊断科, 福州 350014

关键词：病理图像,细胞核分割,轴向自注意力,残差结构,混合损失函数

基金：福建省科技创新联合资金资助项目(2018Y9112);福建省卫生系统中青年骨干人才培养项目(2019?ZQN?17)

在苏木精?伊红（HE）染色病理图像中，细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征，导致分割效果难以进一步提升的问题，提出引入门控轴向自注意力的多通道分割网络（MCSegNet）模型，以实现病理图像细胞核的精准分割。所提模型采用双编码器和解码器结构，在其中使用轴向自注意力编码通道捕获全局特征，并使用基于残差结构的卷积编码通道获取局部精细特征；在编码通道末端，通过特征融合增强特征表示，从而为解码器提供良好的信息基础；而解码器通过级联多个上采样模块逐步生成分割结果。此外，使用改进的混合损失函数有效解决了病理图像中普遍存在的样本不均衡问题。在MoNuSeg2020公开数据集上的实验结果表明，改进的分割方法比U-Net在F1、交并比（IoU）指标上分别提升了2.66个百分点、2.77个百分点，有效改善了病理图像的分割效果，提高了临床诊断的可靠性。

来源：2023年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第4期