Nuclei instance segmentation and classification in histopathology images with StarDist

要約

核のインスタンスセグメンテーションと分類は、計算病理学における重要なタスクです。
もともと蛍光顕微鏡用に開発された深層学習核セグメンテーション法である StarDist を拡張し、組織病理学画像にうまく適用できることを示します。
これは、Lizard データセットで実験を行い、2022 年の結腸核の同定と計数 (CoNIC) チャレンジに参加することで実証されました。ここで、私たちのアプローチは、予備テスト段階と最終テスト段階の両方で、セグメンテーションと分類タスクのリーダーボードで最初のスポットを獲得しました。
.

要約(オリジナル)

Instance segmentation and classification of nuclei is an important task in computational pathology. We show that StarDist, a deep learning nuclei segmentation method originally developed for fluorescence microscopy, can be extended and successfully applied to histopathology images. This is substantiated by conducting experiments on the Lizard dataset, and through entering the Colon Nuclei Identification and Counting (CoNIC) challenge 2022, where our approach achieved the first spot on the leaderboard for the segmentation and classification task for both the preliminary and final test phase.

arxiv情報

著者 Martin Weigert,Uwe Schmidt
発行日 2022-08-19 12:48:56+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク