论文阅读:基于深度学习的多组织染色肾皮质组织结构分割技术的开发与评估

Development and evaluation of deeplearning–based segmentation of histologicstructures in the kidney cortex with multiplehistologic stains

一.主要特点:

1.识别多种组织:

肾小球簇、肾小球单位、近端肾小管段、远端肾小管段、管周毛细血管、肾动脉

2.多种染色:

H&E

SIL

PAS

TRI

3.对于不同的组织选择最佳数字放大倍数

二.结论部分:

在不同染色下看肾小球/肾小管/动脉识别情况

🌟🌟🌟

结果研究表明,PAS染色最适合使用U-Net模型鉴定结构正常的组织学原始细胞。这可能是因为与TRI或SIL相比,PAS在病理学实验室中的一致性更高。PAS强调了不同结构的基底膜,其内部提供了要分割的每个单一基元边界的更好的定义。因此,PAS是唯一一种用于分割管周毛细血管的染色剂。根据我们的结果,PAS和H&E染色在肾小球簇和单位分割方面表现更好,PAS和TRI在动脉/小动脉方面表现更好,PAS和SIL在肾小管段表现更好,PAS在管周毛细血管方面表现更好。

(a) 选择完整的幻灯片图像(WSI)生成培训、验证和测试数据。

(b) 感兴趣的区域是从原始WSIs中以40 数字放大倍数裁剪出来的。

(c) 病理学家为训练生成标签,并从训练和验证图像(如黑方框所示)中裁剪出包含图像数据和标签信息的256 *256 px(0.24mm/px)大小的patch。

(d) 对于每一条路径,都引入了一种随机数据增强方法,例如

(i)原语的大小变化

(ii)染色变化

(iii)组织变化(例如厚度)

(e) 所有的训练patch都被传递到Pytorch上的U-Net进行训练,并使用验证patch为每个训练生成损失和精度度量,以评估模型性能。最后,选择验证数据损失最小的epoch生成测试结果。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值