基于单阳性多标签病理图像组织分割模型的研究
贾玉棉1
林佳泰2
乐俊聪3
刘芳芳1
刘再毅2
韩楚2
郭晓静1
1.天津医科大学肿瘤医院乳腺病理研究室,国家恶性肿瘤临床医学研究中心,乳腺癌防治教育部重点实验室,天津市恶性肿瘤临床医学研究中心,天津市肿瘤防治重点实验室,天津 3000602.广东省人民医院放射科,广州 510080;广东省医学影像智能分析与应用重点实验室,广州 5100803.华南理工大学计算机科学与工程学院,广州 510006
摘要：目的 弱监督语义分割(WSSS)利用图像标签代替像素标签,可极大提升标注效率.本研究为了进一步减轻医生标注负担,提出一种新的基于单阳性多标签学习的病理图像单阳性多标签(SPML)-弱监督语义分割方法(SP-WSSS).SP-WSSS仅需对图像中任意一种组织类型标注.方法 为了克服伪标签中大量噪声对模型的影响,本研究引入早期学习策略避免模型对噪声过拟合.并在LUAD-HistoSeg和BCSS-WSSS两个公开数据集评估SP-WSSS组织分割性能.此外,本研究邀请三位医生对标注效率进行评估.结果 实验表明SP-WSSS在LUAD-HistoSeg和BCSS-WSSS两个公开数据集取得优异的组织分割性能.三位医生对标注效率进行评估,在100张图像标注任务中,像素级标注平均花费约200 min,而单阳性多标签只需要2 min以内.此外,与传统标注方式相比,单阳性标签具有更高的一致性(一致性得分:像素级别注释85.64%;图片级多标签92.25%;单阳性多标签98%).结论 本研究提出的分割标注新范式SP-WSSS有望代替传统标注方式,极大减轻医生在该任务中的标注负担.
关键词：单阳性多标签弱监督语义分割病理图像组织分割
资助基金：天津市医学重点学科建设资助(TJYXZDXK-3-016C)
论文发表日期：2025-12-28
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1577-1583 )
英文信息