nuclei_segmenter_counter
部署U-net进行核分割和计数。
概括
该项目的目的是演示一个简单的深度学习应用程序,用于解决数字病理学中的问题。 数字病理学中的一些主要图像分析任务包括检测和计数(例如有丝分裂事件),分割(例如核)和组织分类(例如癌变与非癌变)。 不幸的是,载玻片的制备,跨站点染色和扫描的变化以及供应商平台的问题以及生物学差异(例如疾病的不同等级的呈现)使这些图像分析任务特别具有挑战性[1]。 传统方法严重依赖于特定于任务的“手工”功能,并且需要大量的手动调整来适应这些差异,这既昂贵又效率低下[1,2]。 深度学习提供了一种更领域不可知的方法,将特征发现和实现结合起来,以最大程度地区分感兴趣的类别,因此可能是应对这些挑战的理想选择。
解决这些问题的第一步可能是创建一个通用的AI工具,以帮助病理学家对样品载玻片中的细胞进行分段和计数。
在此笔记本中,
评论0
最新资源