TUMLS：针对组织学全视图图像的可信完全无监督多级分割

本研究解决了数字病理学中全视图图像（WSI）注释劳动强度大、计算需求高及缺乏不确定性评估等问题。提出的TUMLS方法采用自编码器作为特征提取器，通过不使用任何机器学习算法在高分辨率空间中进行无监督细胞核分割，显著提升了工作流程的透明度和效率。评估结果显示，该方法在细胞核分割方面优于现有无监督方法，显示了在数字病理学领域的应用潜力。

本研究提出TUMLS方法，旨在解决数字病理学中全视图图像注释的劳动强度和计算需求问题。该方法利用自编码器进行无监督细胞核分割，显著提高了工作流程效率，展现了在该领域的应用潜力。

TUMLS 全视图图像 数字病理学 无监督 细胞核分割 自编码器 视图
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友