[论文解读] Unsupervised Segmentation of Overlapping Cervical Cell Cytoplasm

S L Happy, Swarnadip Chatterjee+1 more|arXiv (Cornell University)|May 21, 2015

Image Processing Techniques and Applications参考文献 4被引用 5

一句话总结

本文提出了一种无监督方法，利用扩展景深（EDF）图像和改进的带类别权重的Otsu阈值化方法检测细胞核，随后基于细胞核数量采用水平集方法进行细胞质分割。该方法在无需人工标注的情况下实现了精确的分割，解决了细胞重叠和细胞质对比度低的挑战。

ABSTRACT

Overlapping of cervical cells and poor contrast of cell cytoplasm are the major issues in accurate detection and segmentation of cervical cells. An unsupervised cell segmentation approach is presented here. Cell clump segmentation was carried out using the extended depth of field (EDF) image created from the images of different focal planes. A modified Otsu method with prior class weights is proposed for accurate segmentation of nuclei from the cell clumps. The cell cytoplasm was further segmented from cell clump depending upon the number of nucleus detected in that cell clump. Level set model was used for cytoplasm segmentation.

研究动机与目标

• 解决自动细胞分割中重叠宫颈细胞和细胞质对比度低的挑战。
• 开发一种无需人工标注或真实标签的无监督分割框架。
• 通过利用扩展景深（EDF）图像改善细胞团的可视化，从而提高分割精度。
• 根据每个细胞团中检测到的细胞核数量，将细胞质与细胞团分离。
• 在细胞核分割后，应用水平集模型以精确勾勒细胞质边界。

提出的方法

• 使用扩展景深（EDF）成像将多张焦平面图像融合为单张清晰的细胞团图像。
• 应用带先验类别权重的改进Otsu方法，从细胞团中分割细胞核，提升在低对比度条件下的阈值分割精度。
• 每个细胞团中检测到的细胞核数量决定了细胞质的分割策略。
• 采用水平集模型演化活动轮廓，以精确提取细胞质边界。
• 该方法完全无监督，仅依赖图像强度和空间结构。
• 分割流程无需真实标签或用户定义的参数。

实验结果

研究问题

• RQ1 能否在无需人工标注的情况下准确分割重叠宫颈细胞的细胞质？
• RQ2 EDF成像在提升细胞团可见性以改善后续分割方面有多有效？
• RQ3 在低对比度条件下，带类别权重的改进Otsu方法是否能增强细胞核分割性能？
• RQ4 每个细胞团中的细胞核数量是否能实现重叠区域可靠细胞质分割？
• RQ5 在细胞核已分割的前提下，水平集模型能否准确勾勒细胞质边界？

主要发现

• 所提方法仅使用EDF图像和无监督技术，即可实现对重叠宫颈细胞质的精确分割。
• 带类别权重的改进Otsu方法在低对比度细胞质区域显著提升了细胞核分割性能。
• 通过EDF融合有效分割了细胞团，实现了对重叠结构更清晰的可视化。
• 细胞质分割由每个细胞团的细胞核数量引导，实现了对单个细胞的选择性分割。
• 水平集模型成功捕捉了复杂细胞质边界，即使在高度重叠的区域也表现良好。
• 整个流程无需任何真实标签或用户定义参数，展示了在无监督环境下的鲁棒性。