摘要
1 介绍
1.1 相关工程
1.2 基于边界形状的聚类分割方法
1.2.1 “穆埃利”
1.2.2 “香港”
1.3 基于强度的聚类分割方法
1.3.1 种子流域算法
1.3.2 “黄”
1.3.3 H最小值
1.4 集群分裂的DL方法
1.4.1 “陈”
1.4.2 U型网
2 材料和方法
2.1 拟议的集群分割方法
![](http://media.springernature.com/lw600/springer-static/image/art%3A10.1186%2Fs13640-020-00514-6/MediaObjects/13640_2020_514_Figa_HTML.png)
2.2 数据集集合
2.2.1 数据集BBBC0004
2.2.2 数据集IISPV
2.3 评价
三 结果
4 讨论
5 结论
数据和材料的可用性
缩写
健康与环境: -
苏木精和曙红 DAB和H: -
3,3'-二氨基联苯胺和苏木精 国际控股公司: -
免疫组织化学 FOXP3: -
叉箱P3(scurfin) 投资回报率: -
感兴趣的地区 MIAP公司: -
医学图像分析平台 TPR公司: -
真阳性率(召回) PPV(购买力平价): -
正预测值(精度) MDR公司: -
漏检率 财务总监: -
错误检测率 USR: -
细分不足率 OSR: -
过度分割率
工具书类
S.Nam,Y.Chong,C.K.Jung,T.-Y.Kwak,J.Y.Lee,J.Park,M.J.Rho,H.Go,《数字病理学和计算机辅助病理学导论》。 《病理学杂志》。 Transl.公司。 医学。 54 (2), 125–134 (2020). https://doi.org/10.413/jptm.2019.12.31 . B.合成细胞研究所。 https://data.broadinstitute.org/bbbc/BBBC004/ .注册号BBBC004·版本1。 M.Takenaka、N.Seki、U.Toh、S.Hattori、A.Kawahara、T.Yamaguchi、K.Koura、R.Takahashi、H.Otsuka、H.Takashi、N.Iwakuma、S.Nakagawa、T.Fujii、T.Sasada、R.Yamagochi、H.Yano、K.Shirouzu、M.Kage、FOXP3在肿瘤细胞和肿瘤浸润淋巴细胞中的表达与乳腺癌预后相关。 摩尔临床。 昂科尔。 1 (4), 625–632 (2013). https://doi.org/10.3892/mco.2013.107 . M.Salvi,F.Molinari,h&e染色图像中细胞核分割的多组织和多尺度方法。 生物医学。 工程在线。 17 (1) (2018). https://doi.org/10.1186/s12938-018-0518-0 . Z.Swiderska-Chadaj,T.Markiewicz,B.Grala,M.Lorent,用于自动热点选择的Ki-67染色脑膜瘤标本的基于内容的分析。 诊断。 病态。 11 (1) (2016). https://doi.org/10.1186/s13000-016-0546-7 . J.Cheng,J.C.Rajapakse,用形状标记和标记功能分割聚集细胞核。 IEEE传输。 生物识别。 工程师。 56 (3), 741–748 (2009). https://doi.org/10.109/tbme.2008.2008635 . S.Ali、R.Veltri、J.I.Epstein、C.Christudass、A.Madabhushi,年 计算机科学课堂讲稿 《前列腺癌细胞核分割和Gleason分级的形状先验自适应能量选择性活动轮廓》(SpringerBerlin-Heidelberg,2011),第661-669页。 https://doi.org/10.1007/978-3-642-23623-5_83 . S.Wienert,D.Heim,K.Saeger,A.Stenzinger,M.Beil,P.Hufnagl,M.Dietel,C.Denkert,F.Klauschen,虚拟显微镜图像中细胞核的检测和分割:最小模型方法。 科学。 代表。 2 (1) (2012). https://doi.org/10.1038/srep00503 . C.Yan,H.Xie,J.Chen,Z.Zha,X.Hao,Y.Zhang,Q.Dai,复杂背景图像的快速维吾尔文本检测器。 IEEE传输。 Multimed公司。 20 (12), 3389–3398 (2018). https://doi.org/10.109/tmm.2018.2838320 . C.Yan、L.Li、C.Zhang、B.Liu、Y.Zhang和Q.Dai,用于图像理解的跨模式桥接和知识转移。 IEEE传输。 Multimed公司。 21 (10), 2675–2685 (2019). https://doi.org/10.109/tmm.2019.2903448 . C.Yan,Y.Tu,X.Wang,Y.Zhang,X.Hao,Y.张,Q.Dai,STAT:视频字幕的时空注意机制。 IEEE传输。 Multimed公司。 22 (1), 229–241 (2020). https://doi.org/10.1109/tmm.2019.2924576 . H.Irshad,A.Veillard,L.Roux,D.Racceanu,《数字组织病理学中细胞核检测、分割和分类方法:回顾当前状态和未来潜力》。 IEEE Rev.生物识别。 工程师。 7: , 97–114 (2014). https://doi.org/10.109/rbme.2013.2295804 . D.C.Cirešan、A.Giusti、L.M.Gambardela、J.Schmidhuber,年 医学图像计算和计算机辅助干预——2013年MICCAI 由K.Mori、I.Sakuma、Y.Sato、C.Barillot和N.Navab编辑。 利用深层神经网络在乳腺癌组织学图像中检测有丝分裂(SpringerBerlin,Heidelberg,2013),第411-418页。 谢义英、孔晓红、邢方芳、刘方芳、苏沪、杨立中 计算机科学课堂讲稿 《深度投票:显微图像中核定位的稳健方法》(Springer International Publishing,2015),第374–382页。 https://doi.org/10.1007/978-3-319-24574-4_45 . 崔勇,张国荣,刘振中,熊振中,胡建军,组织病理学图像中轮廓感知细胞核一步分割的深度学习算法。 arXiv(2018)。 http://arxiv.org/abs/1803.02786v1。 P.Wild、N.Rupp、J.Buhmann、P.Schüffler、T.Fuchs、C.Ong、TMARKER:组织病理学细胞计数和染色评估的免费软件工具包。 《病理学杂志》。 通知。 4 (2), 2 (2013). https://doi.org/10.4103/2153-3539.109804 . J.Shu、H.Fu、G.Qiu、P.Kaye、M.Ilyas,年 2013年第35届IEEE医学和生物学会工程国际年会(EMBC) 数字组织病理学图像中重叠细胞核的分割(IEEEOsaka,2013)。 https://doi.org/10.109/embc.2013.6610781 . P.Bankhead、M.B.Loughrey、J.A.Fernández、Y.Dombrowski、D.G.McArt、P.D.Dunne、S.McQuaid、R.T.Gray、L.J.Murray、H.G.Coleman、J.A.James、M.Salto Tellez、P.W.Hamilton、QuPath:用于数字病理图像分析的开源软件。 科学。 代表。 7 (1) (2017). https://doi.org/10.1038/s41598-017-17204-5 . A.Mouelhi、M.Sayadi、F.Fnaiech,年 2011年通信、计算和控制应用国际会议(CCCA) 。使用分水岭和凹顶点图自动分割聚集的乳腺癌细胞(IEEE,2011)。 https://doi.org/10.1109/ccca.2011.6031229 . 香港、M.Gurcan、K.Belkacem-Boussaid,年 2011年IEEE生物医学成像国际研讨会:从纳米到宏观 在组织病理学图像上分割接触细胞簇(IEEE,2011)。 https://doi.org/10.109/isbi.2011.5872389 . H.Kong,M.Gurcan,K.Belkacem-Boussaid,《组织病理学图像分区:监督彩色纹理分割和细胞分裂的集成框架》。 IEEE传输。 医学影像学。 30 (9), 1661–1677 (2011). https://doi.org/10.109/tmi.2011.2141674 . I.MathWorks,标记控制流域分割(2019)。 https://www.mathworks.com/help/images/marker-controlled-watershed-segmentation.html 在线访问日期:2020年3月8日。 黄培伟,赖永华,肝癌活检图像的有效分割和分类。 模式识别。 43 (4), 1550–1563 (2010). https://doi.org/10.1016/j.patcog.2009年10月14日 . C.Jung,C.Kim,使用基于h-minimal变换的标记提取和轮廓参数化分割聚集的细胞核。 IEEE传输。 生物识别。 工程师。 57 (10), 2600–2604 (2010). https://doi.org/10.109/tbme.2010.2060336 . K.Chen,N.Zhang,L.Powers,J.Roveda,年 2019年春季模拟会议(SpringSim) 。使用深度学习进行计算病理学细胞核检测和分割(IEEE,2019)。 https://doi.org/10.23919/springsim.2019.8732905 . B.A.Hamilton,《数据集:2018年科学碗》(2018)。 https://www.kaggle.com/c/data-science-bowl-2018/data 。2019年2月28日访问。 KChen,89,《细胞-核检测与分割》。 https://github.com/KChen89/Cell-Nuclei-Detection-and-Segration 。2019年2月28日访问。 O.Ronneberger、P.Fischer、T.Brox,年 计算机科学课堂讲稿 《U-net:生物医学图像分割的卷积网络》(Springer International Publishing,2015),第234–241页。 https://doi.org/10.1007/978-3-319-24574-4_28 . kamalkraj,DATA-SCIENCE-BOWL-2018(2018)。 https://github.com/kamalkraj/DATA-SCIENCE-BOWL-2018 . T.Markiewicz、A.Korzynska、A.Kowalski、Z.Swiderska-Chadaj、P.Murawski、B.Grala、M.Lorent、M.Wdowiak、J.Zak、L.Roszkoviak、W.Kozlowski、D.Pijanowska、MIAP——支持病理诊断的显微图像计算机分析的网络平台。 生物控制论生物识别。 工程师。 36 (4), 597–609 (2016). https://doi.org/10.1016/j.bbe.2016.06.006 . J.Lukasz Roszkowiak、K.Zak、D.Siemion、A.Pijanowska, Korzynska,计算机视觉和图形:Proc。 ICCVG 2020,DAB&H染色乳腺癌活检图像中局部阈值处理的细胞核检测 (L.J Chmielewski,R.Kozera,A.Orłowski,eds.)(施普林格国际出版公司,2020年)。 D.Bradley,G.Roth,使用积分图像的自适应阈值。 J.图表。 工具。 12 (2), 13–21 (2007). https://doi.org/10.1080/2151237X.2007.10129236。 http://arxiv.org/abs/https://doi.org/10.1080/151237X.2007.10129236。 P.Ruusuvuori、A.Lehmussola、J.Selinummi、T.Rajala、H.Huttunen、O.Yli-Harja 2008年第16届欧洲信号处理会议 《用于验证细胞图像分析算法的合成图像基准集》(IEEELausanne,2008),第1-5页。 https://ieeexplore.ieee.org/abstract/document/7080746 . V.Ljosa,K.L.Sokolnicki,A.E.Carpenter,验证用注释高通量显微镜图像集。 自然方法。 9: , 637 (2012). A.Lehmussola、P.Ruusuvuori、J.Selinummi、T.Rajala、O.Yli-Harja,高通量显微镜合成图像,用于验证图像分析方法。 程序。 电气与电子工程师协会。 96 (8), 1348–1360 (2008). https://doi.org/10.109/JPROC.2008.925490 . C.Lopez、C.Callau、R.Bosch、A.Korzynska、J.Jaen、M.Garcia-Rojo、G.Bueno、M.T.Salvado、T.Alvaro、M.Onos、M.d.M.Fernandez-Carrobles、M.Llobera、J.Baucells、G.Orero和M.Lejeune, 建立免疫组织化学标记物的自动量化方法以确定乳腺癌免疫反应模式:一项回顾性队列研究。 BMJ公开赛。 4 (8), 005643–005643 (2014). https://doi.org/10.1136/bmjopen-2014-005643 . N.Snoj、P.Dinh、P.Bedard、C.Sotiriou、, 乳腺癌的分子生物学 (W.Coleman,G.Tsongalis,eds.),第9780123744180卷(学术出版社,剑桥,2010年)。 https://doi.org/10.1016/B978-0-12-374418-000026-8 . A.Korzynska,L.Roszkowiak,C.Lopez,R.Bosch,L.Witkowski,M.Lejeune,应用于3,3'-二氨基联苯胺和苏木精染色滤泡性淋巴瘤数字图像的各种自适应阈值分割方法的验证。 诊断。 病态。 8 (1), 1–21 (2013). https://doi.org/10.1186/1746-1596-8-48 . M.Milagro Fernandez-Carrobles,G.Bueno,O.Deniz,J.Salido,M.Garcia Rojo,L.Gonzalez-Lopez,用于病理学中乳腺TMA获取和分类的cad系统。 健康技术研究。 Informat公司。 210: , 756–760 (2015). https://doi.org/10.3233/978-1-61499-512-8-756 . L.Roszkowiak,C.Lopez,PATMA:档案组织微阵列的解析器。 同行J。 4: , 2741 (2016). https://doi.org/10.7717/peerj.2741 . L.Roszkowiak、A.Korzynska、D.Pijanowska,年 2015年计算机科学和信息系统联合会议记录 。简短调查:用于从3,3'-二氨基联苯胺和苏木精染色的滤泡性淋巴瘤模拟图像中分割免疫阴性细胞的自适应阈值方法(IEEELodz,2015),第291-296页。 https://doi.org/10.15439/2015f263 .