TopoSemiSeg: 强制拓扑一致性，用于组织病理学图像的半监督分割

在计算病理学中，为了后续分析，对于诸如腺体和细胞核这样密集分布的对象进行分割至关重要。为了减轻像素级注释的负担，半监督学习方法从大量无标签数据中学习。然而，现有的半监督方法忽视了无标签图像中隐藏的拓扑信息，因此容易出现拓扑错误，如腺体或细胞核的丢失或错误合并 / 分离。为了解决这个问题，我们提出了 TopoSemiSeg...

在计算病理学中，对于密集分布的对象进行分割很重要。现有的半监督方法忽视了无标签图像中的拓扑信息，容易出现拓扑错误。为了解决这个问题，提出了TopoSemiSeg方法，通过学习拓扑表示来进行分割。实验证明该方法在拓扑评估指标上表现优越。

一致性 半监督
原文中文，约500字，阅读约需2分钟。发表于：。
阅读原文
分享给好友