项目描述及目标

细胞核分割任务，是指标记出病理图像中每一个属于细胞核的像素。细胞核分割的结果可以提供基本的细胞核视觉信息和形态学特征例如尺寸，形状或者颜色。这些信息和特征不仅有助于病理图像的进一步处理（例如分类或者组织分割），也有助于病理医生诊断分析病情的发展（例如癌症的诊断评估和预后）。因此，细胞核分割在计算机辅助诊疗系统中是至关重要的一环。本项目的核心目标在于使用尽可能少的标注成本来实现高精度的细胞核分割。

重要性与挑战

病理图像复杂的背景，细胞核杂乱的分布都极大地增加了精确分割细胞核的难度。一般训练一个高精度的全监督分割模型需要数万级别的细胞核标注，这显著增加了分割任务的时间和经济成本。一些半监督方法使用部分有标注的图片加上大量的无标注图像来训练分割模型，然而它们并没考虑如何高效挑选标注样本的问题，分割精度不够高或者标注成本下降有限。

方法介绍

本方法为一种标签高效式的病理图像细胞核分割方法。首先进行无标签病理图像样本的采集。其次，使用基于一致性的样本选择方法，少量的小尺寸样本块会被选择，再由病理医生进行标注，标注之后的掩膜和选择的样本块将会组成样本对。每一对样本对将会作为本发明提出的有条件输入的基于单对训练图片的对抗生成模型的训练样本。经过对抗生成模型的训练，大量的训练样本对将会被模型生成并且加入分割训练集。最后，所有的标注的真实样本对加上模型生成的伪样本对将会输入基于伪标签的半监督细胞核分割模型进行训练，得到能够精准分割病理图像细胞核的模型。

关键贡献及商业价值

本方法提出的关键贡献点为

1.基于一致性的样本选择方法；

2.一个有条件输入的基于单对训练样本对的对抗生成模型；

3.一个针对前景，背景，全图的多组件判别器；

本方法在多个公开数据集上使用不到百分之五的标注达到了和使用全部标注相当的分割精度，极大地降低了标注成本。 本方法可以大幅度减少病理图像细胞核分割相关的诊断研究和商业诊疗系统生产所需要的标注成本。本方法可以挑选病理图像中有价值样本块为医学诊疗提供参考。本方法可以为病理图像的细胞核分类和组织分割提供帮助。具有很高的商业价值。

下一步计划

将和医院和相关研究机构进一步合作，在现实应用场景测试和调优本方法，使其具有更好的标注成本降低效果以及更高的精度。

合作方

香港中文大学（深圳）；中山大学

团队成员

楼威；韩晓光；万翔；李灏峰