【论文阅读】Multi-layer pseudo-supervision for histopathology tissue semantic segmentation using patch-le

ABSTRACT

• 使用patch级别的分类标签来实现对组织病理图像的组织语义分割，最终减少了标注的工作量。

• 提出了一个包括分类和分割两个阶段的两步模型。在分类阶段，我们提出了一种基于CAM的模型，通过patch级别的标签来生成伪掩模。在分割阶段，我们提出了多层伪监督算法Multi-Layer Pseudo-Supervision实现了组织语义的分割。

• 介绍了一种新的肺腺癌弱监督语义分割(WSSS)数据集(LUAD-HistoSeg)。

• 我们提出的模型比五种最先进的WSSS方法性能更好。基于完全监督的模型，我们可以获得类似的定量和定性结果，MIUU和FwIoU的差距只有2%左右。与人工标注相比，我们的模型可以大大节省标注时间从小时到分钟不等。

1 INTRODUCTION

肿瘤微环境(TME)不仅在肿瘤的发生发展中起着至关重要的作用，而且还影响着癌症患者的治疗效果和预后。TME由不同类型的组织组成，包括肿瘤上皮、肿瘤浸润淋巴细胞(TIL)、肿瘤相关间质等，已有研究证明它们与肿瘤进展密切相关。TIL被认为是许多实体肿瘤的预后生物标志物，如肺癌、乳腺癌和结直肠癌。而肿瘤上皮和肿瘤相关间质之间的串扰与肿瘤进展相关。因此，对不同类型的组织进行区分和分割，对TME的精确定量是至关重要的