边界到标记证据的控制分割和基于MDL的重叠核的轮廓推断

本文提出了一种在组织病理学图像中自动进行形态学描绘和细胞核分析的新方法。 结合初始分割信息和凹度测量，该方法首先将核簇分割为单个片段，避免了由比例约束的拉普拉斯高斯滤波引入的分割误差。 之后，引入核边界-标记证据计算，以在精细分割过程之后描绘单个对象。 然后，通过具有最小描述长度原理的周期性B样条对获得的证据集进行建模，从而在核结构的复杂性与其荧光信号的覆盖范围之间实现了实用的折衷，以避免拟合结果和拟合结果过拟合。 该算法计算效率高，并且已经在合成数据库以及45个真实的组织病理学图像上进行了测试。 通过将提出的方法与几种最先进的方法进行比较，实验结果表明了我们方法的优越识别性能，并指出了分析核形态内在特征的潜在应用。