Page 212 - 《软件学报》2021年第5期

1436 Journal of Software 软件学报 Vol.32, No.5, May 2021

(2) PyTorch [72] :由 Facebook 人工智能研究院基于 Torch 研发,提供 Python 接口.
(3) Caffe [73] :由加州大学伯克利分校的贾扬清博士研发,提供 C++接口和 python 接口.
(4) Theano [74] :由蒙特利尔学习算法研究所开发,提供 Python 接口.
在硬件和开发环境方面,Keras 和 Lasagne(https://keras.io/,https://github.com/Lasagne/Lasagne)支持多操作系
统下的多 GPU 并行计算,可以作为 Tensorflow,Theano 等框架的高阶应用程序接口,以进行深度学习模型的设
计、调试、评估、应用和可视化.
4 基于深度学习的病理图像分割

病理图像分割是当前数字病理分析深度学习算法研究的主要应用领域.有限的特征表达能力,使得传统方
法的分析性能遭受限制.相比之下,以人工神经网络为架构的深度学习算法对海量病理数据的特征提取能力更
强.这得益于算法在自学习、非线性建模、优化解寻找等方面的提升 [47] .因此,基于深度学习的病理图像量化分
析研究既是数字病理的大势所趋,也是学术界和医学界共同努力的方向.
然而,一方面,不同成像原理的病理图像分割与计算机视觉领域中的自然图像分割存在较大差别;另一方
面,由于肿瘤异质性、病理图像可视化特征难寻、数据集有限等限制,深度学习模型辅助病理诊断在临床上的
应用能力还十分有限.至今为止,国内外学者主要针对明视野(bright field)、荧光(fluorescence)、相位差(phase
contrast)、微分干涉差(differential interference contrast,简称 DIC)、共聚焦(confocal)以及电子(electron)等不同显
[3]
微成像原理的病理分析任务开展了系列深度学习研究工作 .另外,借助苏木精-伊红和免疫组织化学等染色处
理,研究者已在 CAMELYON17、Warwick-QU 和 TCGA 等多种数字病理图像集(camelyon17.grand-challenge.org/,
warwick.ac.uk/fac/sci/dcs/research/tia/glascontest/download/,nucleisegmentationbenchmark.weebly.com/,becklab.
hms.harvard.edu/software/,diademchallenge.org/data_sets.html,kimialab.uwaterloo.ca/kimia/index.php/data-and-
code/,bioimage.ucsb.edu/research/bio-segmentation,mitos-atypia-14.grand-challenge.org/,andrewjanowczyk.com/
deep-learning/,mega.nz/#F!BiZAELJa,tupac.tue-image.nl/node/3,biomisa.org/index.php/downloads/,brainiac2.mit.
edu/SNEMI3D/)上进行了深度模型性能实验,并取得了较好的结果.表 2 列出了现有适用于检测、分割及分类任
务的深度网络模型.
Table 2 Overview of existing models using representative deep networks for detection, segmentation,
and classification in pathology images
表 2 现有适用于病理图像检测、分割及分类任务等代表性深度网络模型概述
相关文献 任务 染色方法或成像模式 方法
Ronneberger 等人 [57] 细胞分割 电子显微镜 结合 U-Net 及弹性变形的数据扩充方法
Song 等人 [75] 细胞核和细胞质分割 H&E 基于多尺度 CNN 和图划分算法
Xie 等人 [76] 细胞核检测 H&E 基于 CNN 的结构回归模型
Albarqouni 等人 [77] 有丝分裂检测 H&E 将众包(crowdsourcing)层引入 CNN 框架
Chen 等人 [78] 有丝分裂检测 H&E 深度回归网络模型
Sirinukunwattana 等人 [79] 细胞核检测及分类 H&E 基于空间约束回归的 CNN 框架
Xing 等人 [80] 细胞核分割 H&E、IHC CNN 及稀疏形状建模方法
Xu 等人 [81] 细胞核检测 H&E 栈式稀疏自编码器
Yang 等人 [82] 神经胶质细胞分割 双光子显微镜 结合 FCN 及迭代 k-终端割算法
BenTaieb 等人 [83] 腺分割 H&E 基于多损失函数的 FCN 模型
Chen 等人 [84] 神经元膜分割 电子显微镜 结合 U-Net 及双向 LSTM 网络的分割模型
Xie 等人 [85] 肌束膜分割 H&E 空间时钟频率驱动的 RNN 网络模型
Xie 等人 [86] 细胞核检测 H&E 深度投票机制
Fakhry 等人 [87] 神经元分割 电子显微镜 结合 CNN 及分水岭算法模型
Stollenga 等人 [88] 神经元分割 电子显微镜 多维 LSTM 网络
Xu 等人 [89] 腺分割 H&E 结合深度监督网及整体嵌套边缘检测算法模型
Chen 等人 [90] 神经元分割 电子显微镜 深度上下文网络模型
Chen 等人 [91] 腺实例分割 H&E 深度轮廓感知网络模型
Song 等人 [92] 细胞分割 H&E 多尺度 CNN
Fakhry 等人 [93] 神经元分割 电子显微镜 残差反卷积网络模型