新闻中心
-
叶初阳副教授研究组研究成果被医学图像处理领域顶级会议MICCAI 2022接收
无
来源: 发布日期:2022年07月04日近日,信号与图像处理研究所叶初阳副教授研究组在医学图像处理方面取得进展,两篇论文被MICCAI 2022接收。MICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)由医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society)每年定期举办一次,是跨医学影像计算(MIC)和计算机辅助干预(CAI)两个领域的综合性学术会议。
叶初阳副教授研究组博士研究生刘婉以第一作者撰写了论文“One-Shot Segmentation of Novel White Matter Tracts via Extensive Data Augmentation”。该论文针对基于临床弥散磁共振图像的新类别白质纤维束分割所需标注成本较高的问题,提出了一种单样本(one-shot)新类别白质纤维束分割方法。该方法在一种改进的预训练/微调方法的基础上,设计了不同的基于图像遮掩的单样本数据增广方法增加训练样本,将其应用于网络任务特定层的初始化,获得多个网络模型,并对各网络模型预测的分割结果进行融合。在不同数据集和实验设置上的结果证明该方法能够有效提升单样本新类别白质纤维束的分割准确率。
叶初阳副教授研究组硕士研究生徐春丹和文梓棋以共同第一作者撰写了论文“Improved Domain Generalization for Cell Detection in Histopathology Images via Test-Time Stain Augmentation”。该论文针对不同病理中心获取的组织病理学图像之间颜色外观差异导致的细胞检测模型性能下降问题,提出了一种简单易实现的测试时间染色增强(TTSA)方法。组织病理学图像可以分解为染色颜色矩阵和染色密度图矩阵,TTSA通过一权重因子将目标域图像的染色矩阵与源域图像的染色矩阵进行多种混合,经过染色增强的测试图像被输入到给定的细胞检测器中,其输出的初步预测结果通过一种具有鲁棒性的融合策略,得到最终检测结果。公开有丝分裂数据集上的实验结果表明,TTSA可以有效提高细胞检测器在新领域的泛化能力。