基于涂鸦的快速弱监督与交互式校正用于全幻灯片图像分割
Scribble-based fast weak-supervision and interactive corrections for segmenting whole slide images
AI总结：
本文提出一种动态交互式弱监督分割方法，通过最少的涂鸦交互解决全幻灯片组织病理学图像分割中数据集缺乏与交互范式缺失的问题，让病理学家以极少的交互次数获得高精度分割结果。
摘要：
本文提出了一种动态交互式弱监督分割方法，以最少的用户交互来解决全幻灯片组织病理学图像分割中的两大挑战。第一，缺乏用于训练算法的人工标注数据集。第二，缺乏使病理学家与机器进行对话的交互范式，这可能是临床常规使用的主要障碍。因此，我们提出一种快速且面向用户的方法来弥合这一差距，让病理学家控制最终结果，同时限制获得良好结果所需的交互次数（仅需4次校正涂鸦，所有指标均超过90%）。
英文摘要：
This paper proposes a dynamic interactive and weakly supervised segmentation method with minimal user interactions to address two major challenges in the segmentation of whole slide histopathology images. First, the lack of hand-annotated datasets to train algorithms. Second, the lack of interactive paradigms to enable a dialogue between the pathologist and the machine, which can be a major obstacle for use in clinical routine. We therefore propose a fast and user oriented method to bridge this gap by giving the pathologist control over the final result while limiting the number of interactions needed to achieve a good result (over 90\% on all our metrics with only 4 correction scribbles).
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
