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