基于对比学习和轮廓引导U-Net的细胞核分割

作     者：贾伟 江海峰 赵雪芬 JIAWei;JIANG Haifeng;ZHAO Xuefen

作者机构：宁夏大学信息工程学院宁夏银川750021 宁夏医科大学总医院病理科宁夏银川750021 宁夏大学新华学院宁夏银川750021 

出 版 物：《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期：2023年第40卷第6期

页      面：766-774页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0836[工学-生物工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62062057) 宁夏自然科学基金(2020AAC03032) 

主　　题：对比学习 轮廓特征 U-Net 细胞核分割 主动轮廓 

摘      要：针对细胞核分割中遇到的细胞核边缘模糊和重叠问题,提出一种基于对比学习和轮廓引导U-Net的细胞核分割方法。首先,为解决已标记数据不足的问题,提出全局和局部特征对比学习,利用未标记病理图像的全局特征和局部特征进行对比学习。然后,为提高U-Net的分割性能,提出轮廓引导的U-Net对每层编码器的轮廓特征进行融合,并利用融合后的轮廓特征和Jeffreys散度驱动的主动轮廓方法引导和辅助细胞核分割。最后,利用全局和局部特征对比学习与轮廓引导的U-Net进行交替训练,将置信度较高的未标记数据作为伪标签,混入到已标记数据中,再使用轮廓引导的U-Net进行分割训练。实验结果表明,该分割方法能够有效提高细胞核分割的准确性,具有较为稳定的分割性能。