HE染色分割图像文献阅读总结（一）

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，嵌入到石蜡中，然后再用HE复染色。第二个数据集就是在ICPR2012竞赛上公开的MITOS乳腺组织图像数据集，包含用两台（Aperio和Hamamatsu）两台扫描仪对5个组织切片进行扫描的100张图像。

3. 《Invariant Scattering Convolution Networks》，IEEE TPAMI, 2013, Joan Bruna， 他引490余次. 内容：文章主要提出了一种散射不变的卷积网络用于图像分类，将多个小波变换卷积进行了级联，第一个网络层输出SIFT描述子，后面的层提供补充的不变信息。代码下载地址：www.di.ens.fr/data/scattering.

4. 关于ICPR2012HE染色图像处理竞赛的文章：《Mitosis detection in breast cancer histological images-An ICPR 2012 contest》.