.png){kind=icon}
返回
Double Uncertainty-Aware Learning Network for Multi-Modal Cell Image Segmentation
.png){kind=icon}
PRE
AI
DOI：10.1109/JBHI.2025.3615611.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为准确对不同模态的细胞图像进行分割，我们需要解决由模态像素分布和细胞形态的不确定性变化引起的过分割或欠分割问题。此外，本研究还探讨了标注数据有限的问题。大多数先前的方法缺乏全局不确定性信息的感知能力，无法获取局部不确定性细节，并且受限于多模态细胞图像的标注数据量。我们提出了一种新型框架，该框架能够利用数据和模态不确定性感知能力，准确学习多模态细胞分割任务中的有价值信息。首先，提出了一种图像融合模块，该模块利用多分支结构，结合扩张卷积、常规卷积和通道注意力机制以保留全局有价值信息。其次，为从模糊和不规则的不确定性区域获取局部边界，开发了一种基于Transformer的编码策略，用于基于反馈置信度分数执行token选择和增强。该置信度分数基于指示最可能局部边界的教师网络的输出进行计算。第三，采用伪标签选择策略以提高未标注图像的标注质量。我们在三个公开可用的、包含不同细胞模态的数据集上评估了我们的方法，并与先前十五种方法进行了定量比较。我们的方法在性能上优于其他方法。本研究对于提高包括诊断准确性和决策可靠性在内的临床应用改进具有重要意义。
Keyword:
Cell segmentation
multi-modal segmentation
token selection and enhancement
uncertainty aware learning
期刊
IF:
6.8
论文数:
4.6K
被引数:
2.0W
机构
引用论文
.png){kind=icon}
Automatic cytoplasm and nuclei segmentation for color cervical smear image using an efficient gap-search MRF使用有效的间隙搜索MRF自动分割彩色宫颈涂片图像的细胞质和细胞核
PREAI
分享收藏Diverse Branch Block: Building a Convolution as an Inception-like Unit多样化的分支块: 将卷积构建为类似Inception的单元
OAAI
OAAI分享收藏Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers从序列到序列的角度重新思考语义分割OAAI
OAAI分享收藏分享收藏
查看更多内容