BriefGPT - AI 论文速递
·
虚拟染色能否应用于高通量筛选？
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
数字病理学和自动扫描保存整张组织学图像的显微系统的出现，使得计算机方法在组织学图像分析中得到广泛应用。本文提出了一种改进基于深度学习的自动分割方法，通过结合非确定性训练时间和确定性测试时间染色归一化，提高了分割核实的性能。实验结果显示，该方法在性能上比基线模型提升了5.77％至5.27％。
🎯
关键要点
- 数字病理学和自动扫描显微系统的出现促进了计算机方法在组织学图像分析中的应用。
- 核实例分割在临床和研究应用中具有基础作用。
- 深度学习方法在处理未见数据集时性能通常下降。
- 本文提出了一种改进的基于深度学习的自动分割方法，结合了非确定性训练时间和确定性测试时间的染色归一化。
- 实验结果显示，该方法在分割核实现方面比基线模型提升了5.77%、5.36%和5.27%的性能。
➡️
