边界信息保持的全染色肾脏切片多粒度分割

目的 肾小球图像的准确分割对肾脏病理学的疾病诊断和定量分析起到关键作用，然而全染色肾脏切片图像存在由肾小球个体差异大导致的空间尺度和上下文形状变化大，以及图像分辨率过高的问题，给高精度、高性能分割任务带来挑战。为此，提出一种边界信息保持的全染色肾脏切片多粒度分割方法。方法 使用一种多粒度上下文的空间注意力机制生成多粒度和多形状变化的空间注意力图，以限制上下文特征，减弱背景对目标的影响，强化网络对目标的感知能力，使网络更多地关注小目标特征；将原图像切分为若干小图来解决全染色图像分辨率高的问题，使用增广路径边界补零策略处理卷积核存在的贡献偏移效应，解决了肾小球目标处于图像边界所导致的分割困难问题，保证图像块的信息无损失地向高层传递，提高处于图像块边界的肾小球目标的分割精度；进一步地，针对图像块拼接带来的边缘肾小球容易漏检、计算开销大的问题，采用特征复用的概率累积滑窗策略，同时提高了分割精度和效率。结果 在小鼠肾脏细胞切片和HuBMAP（human biomolecular atlas program）人体肾脏数据上，本文方法提高了分割精度，并使预测速度提高50%左右。结论 对于全染色肾脏切片的肾小球分割问题，多粒度上下文特征和增广路径边界补零策略解决了边界区域肾小球目标分割困难、分割精度低的问题，并通过概率累积滑窗策略提高分割速度，相较传统的分割方法有更优秀的性能。

Boundary-preserving multi-scale glomerulus segmentation for full-stained kidney slice