HE染色分割图像文献阅读总结（一）

最新推荐文章于 2024-12-19 13:17:59 发布
最新推荐文章于 2024-12-19 13:17:59 发布
阅读量2.1k 收藏 2
点赞数
分类专栏： 机器学习 文章标签： 图像处理 机器学习 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013920434/article/details/113319721
版权
本文介绍了针对HE染色骨髓切片图像的巨核细胞分割方法。首先通过颜色标准化处理，然后将图像分解为H和E通道，H通道用于细胞核的mask提取，E通道用于细胞质的mask，结合两者得到巨核细胞的完整mask。此外，还提及了一种用于彩色组织图像stain normalization的非线性映射方法，以及在ICPR2012竞赛中的Mitosis检测研究。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  1. 《Dual-channel active contour model for megakaryocytic cell segmentation in bone marrow trephine histology images》, 2017 IEEE TBME, Tzu-Hsi, Song, Victor Sanchez et al. 内容：文中主要提出了一种结合CV主动轮廓模型的巨核细胞分割方法，首先采用文献《A nonlinear mapping approach to stain normalization in digital histopathology images using image-specific colour deconvolution》中的方法将输入的HE染色图像进行颜色标准化（stain normalization), 然后normalized image分解成H通道和E通道，H通道用于提取所有细胞核（正常的和巨核的）的mask，E通道用于提取细胞质的mask，两个mask结合起来得到MK巨核细胞核的mask。最后根据这个巨核细胞核的mask，通过曲线演化获取巨核细胞质的区域。

  2. 《A nonlinear mapping approach to stain normalization in digital histopathology images using image-specific colour deconvolution》，2014 IEEE TBME，Adnan Mujahid Khan et al. 内容：主要提出了一种新的非线性映射方法，用于彩色组织图像的stain normalization，利用了不同图像的特点进行有针对性的颜色分解。文中用到了两个数据集：第一个数据集包含12张图像，每张图像选取5个patch，所以总共组成了60张试验图像。图像源于Aperio XT 数字切片扫描仪，所有的组织均被福尔马林溶液定型&#x

最低0.47元/天 解锁文章
用于h&e染色组织细胞核分割的两阶段U-Net算法
慕云
12-18 916
1、研究内容 在H&E染色组织切片分析中，核分割是一项重要但具有挑战性的任务。虽然已经提出了各种分割方法，但基于机器学习的算法，特别是基于深度学习的模型已被证明能够提供更好的分割性能。在这项工作中，我们提出了一种新的方法，利用基于u - net的模型在两个连续阶段分割h&e染色显微图像中的核。在第一阶段，我们使用分类U-Net从背景中分离细胞核进行语义分割。在第二阶段，使用回归U-Net创建每个核的距离图。最后的实例分割掩码，然后使用分水岭算法创建基于距离地图。在一个包含各种人体器官图像的公
单细胞文献学习(part1)--Seamless integration of image and molecular analysis for spatial transcriptomics ...
小山羊的学习日志
05-11 393
学习笔记，仅供参考，有错必纠 Authors：Joseph Bergenstråhle, Ludvig Larsson and Joakim Lundeberg Journal: BMC Genomics Year：2020 关键词: Spatial transcriptomics, Transcriptomics, Genomics, Software, Visualization, Image processing, Data analysis, R-package, 3D 文章目录Seamless
NecroticSegmentation:从典型的HE图像分割坏死组织的方法
04-10
坏死段 从典型的HE图像分割坏死组织的方法
最详细的语义分割---08预测图像染色
weixin_47142735的博客
06-28 2428
对于语义分割来说，网络输出的图像为HxW的二维矩阵，其上面每个像素点的值是这个像素点的类别（如，像素点值为1 ，表示这个像素点属于第一类）。然而，对于一个二维矩阵，生成的图像是一个灰度图，并且灰度值很低，非常不利于人观察（如下图为voc2007的标签，图中白色为人为标记的，真正的网络预测并没有这一部分） 那么我们就需要对其进行染色处理，使其变成利于人观察的图像（如下图这样） 对图像染色有很多方法，下面介绍一种最简单的一种方法： def cam_mask(mask,palette,n): seg_
图像优化算法（HE、AHE、CLAHE）简单介绍
wyttRain的博客
04-24 1万+
一、背景介绍 在工作过程中，接到一个客户需求：使用普通Camera实现capture hdr和preview hdr，其中的preview hdr需求，正常的hdr算法需要使用三帧图像数据来合成一帧HDR图像，算法的时间复杂度较高，这对于需要实时性处理的camera preview功能来说不太实际，因此我使用了图像增强算法（HE、AHE、CLAHE）来提高camere预览图像的对比度，提升预览效果，下面分别介绍一下这三种算法。 二、灰度直方图均衡算法（HE） 2.1、算法简介 直方图均衡算法的介绍来自百科，
ImageView实现图片旋转和缩放
abcd1101的专栏
10-25 1121
原文地址：http://blog.csdn.net/wulianghuan/article/details/8585990 这一篇，给大家介绍一下ImageView控件的使用，ImageView主要是用来显示图片，可以对图片进行放大、缩小、旋转的功能。 android:sacleType属性指定ImageVIew控件显示图片的方式，例如：center表示图像以不缩放的方式显示在Image...
【医学影像】学前基础（团队、资源等）
最新发布
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
12-19 2905
在做任何研究之前，都要对领域内大牛团队，相关学习基础进行一定的了解，于是下面是总结了大牛+数据集+代码快速浏览+期刊会议了解。
深度学习在医学诊断辅助中的应用
AI天才研究院
10-27 521
《深度学习在医学诊断辅助中的应用》 关键词：深度学习、医学诊断、辅助诊断、图像分析、人工智能 摘要：本文旨在探讨深度学习在医学诊断辅助中的应用。文章首先介绍了深度学习的基本概念与原理，
（染色归一化）病理图像（HE或者WSI）图像标准化方法小介绍
热门推荐
qq_34616741的博客
09-04 2万+
虽说是CSDN，但因为处理的过程中要用到病理图片，所以这里简单的介绍一下病理图像的标准化。 首先介绍一下我们的病理图像。 病理图像就是我们高中时候用的玻片在扫描仪下拍摄的高分辨率图像。具体制作过程可以参见百度。https://wenku.baidu.com/view/60b5d0fe2af90242a995e58a.html 病理图像可以帮助医生对病人做出诊断。通过病理图像，我们可以看到肿瘤细胞的.....................
归一化技术(Normalization)学习
Remoa的休闲茶馆
12-23 3081
Review comments on "Normalization Techniques in Training DNNs: Methodology, Analysis and Application" 1、Summary； 2、Positive points； 3、Negative points; 4、References
2020-12-18 论文阅读
cl2227619761的博客
02-01 1341
Deep learning-enabled breast cancer hormonal receptor status determination from base-level H&E stains 2020年发表于Nature Communications 摘要   对于初诊的乳腺癌患者，雌激素受体状态(ERS)是他们预后和治疗的重要分子标志物。在临床中，雌激素受体状态是通过免疫组化染色确定的。免疫组化昂贵又耗时，而且免疫组化过程的差异以及医生主观因素的影响都会导致结果不一致。相反，HE染
医疗影像的图像处理基础
hzp666的博客
12-22 1353
  https://blog.csdn.net/myboyliu2007/article/details/85112421 医疗影像的图像处理基础 介绍 In this first assignment, we are going to implement and apply some basic image processing techniques, and we will get fam...
MATLAB编写图像直方图均衡化函数
y0205yang的博客
11-14 3950
clc; % 首先读入灰度图像，并提取图像的高度和宽度 A = imread('lena.jpg'); subplot(2,2,1); imshow(A); image=rgb2gray(A);%设置为灰度图像 subplot(2,2,2); imhist(uint8(image));%图像直方图 [height, width] = size(image); % 然后统计每个灰度的像素值的累计数目 NumPixel = zeros(1,256); % 建立一个256列的行向量，以统计各灰度级的像素个.
推荐开源项目：TorchStain - 深度学习驱动的组织切片染色标准化工具
gitblog_00133的博客
09-11 425
推荐开源项目：TorchStain - 深度学习驱动的组织切片染色标准化工具 torchstain Stain normalization tools for histological analysis and computational pathology ...
OpenCv：直方图均衡化(HE)，自适应直方图均衡化(AHE)，限制对比度自适应直方图均衡化(CLAHE) （附代码）
qq_40280673的博客
01-03 1万+
总结了使用Python OpenCv处理图像直方图均衡化(HE)，自适应直方图均衡化(AHE)，限制对比度自适应直方图均衡化(CLAHE)的方法。
Mitosis Detection in Breast Cancer Histology Images with Deep Neural Networks
卓为的博客
12-30 1156
1，Mitosis Detection in Breast Cancer Histology Images with Deep Neural Networks 这篇文章发表在 MICCAI2013 ,文章中提出的方法在 ICPR2012 mitosis detection competition 中取得了第一名。 其中方法大致为(Fig.1)： Fig.1 1,训练一个CNN分类器
mask-r-cnn，unet，unet++三种算法实现细胞分割的对比心得
qq_34616741的博客
06-20 1万+
maks-r-cnn在小数据集中性能较差。120训练集，40测试集（256乘以256）的数据集上面测试，效果很差 只能勉强分清个轮廓，很多细胞都没有被识别到。mask-r-cnn的分割能力有待在更大的数据集上面进行测试。 unet的分割能力是出奇的强，在很小的训练集上面都有很不错的表现（35乘以512乘以512） 轮廓比较明显，挨得很近的细胞也能分出大概的轮廓 unet++的分割能力会比une...
Unet实现细胞分割
啊哦的博客
08-16 1万+
目的：实现细胞分割 数据集：isbi挑战赛的数据，只有30张512x512的image和label 思路: 读取数据，将数据转换成 30x512x512x1格式； 由于数据太少，所以进行数据增强；(注意：对训练数据进行增强的时候image和label增强方式要一致) 搭建模型。这里直接调用segmentation-models模块的Unet；(提前pip install segmentation...
检测乳腺癌细胞中的有丝分裂（2）
a-娇的专栏
07-03 2685
Mitosis Detection in Breast Cancer Histology Images with Deep Neural Networks
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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