引入门控轴向自注意力的多通道病理图像分割

作者：陈志; 李歆; 林丽燕; 钟婧; 时鹏

来源：计算机应用, 2022, 1-9.

• 病理图像
• 细胞核分割
• 轴向自注意力
• 残差结构
• 混合损失函数

在苏木精-伊红（HE）染色病理图像中，细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。近年来，随着深度学习的迅猛发展，卷积神经网络在病理图像细胞分割中取得了良好的表现，但传统卷积无法捕获大邻域范围内像素间关联特征，使得分割效果难以进一步提升。对此，提出了一种基于门控轴向自注意力和卷积的混合分割模型，实现病理图像细胞核的精准分割。模型采用双编码器和解码器结构，其中轴向自注意力编码通道用于捕获全局特征，而基于残差结构的卷积编码通道用于获取局部精细特征，最终在编码通道末端通过特征融合增强特征表示，为解码器提供良好的信息基础。解码器通过级联多个上采样模块逐步生成分割结果。此外，使用改进的混合损失函数有效缓解病理图像中普遍存在的样本不均衡问题。在MoNuSeg2020公开数据集上的定量对比实验表明，改进的分割方法比U-Net在F1、交并比（Intersection over Union,IOU）指标上分别提升了2.66、2.77个百分点，可有效改善病理图像分割效果，提高临床诊断的可靠性。

• 单位
  福建省肿瘤医院; 福建师范大学