Automatic Hierarchical Clustering-Based Image Semantic Segmentation for Hyperspectral Fluorescence Images
Fluorescence microscopic hyperspectral imaging (FMHSI) of unstained biological tissue is a foundational tool in diagnostic pathology and biomedical research. Semantic segmentation of FMHSI images is essential for obtaining labelled HSI data. We aim to develop an automatic unsupervised hyperspectral image semantic segmentation approach that produces high-quality segments for high-level vision tasks such as remote disease diagnosis and pathology-assisted surgery. Our multi-step algorithm starts with image denoising and dimension reduction using filtering and superpixels. An automatic hierarchical clustering-based image segmentation method is then applied to create image segments based on the spectral and spatial information. Finally, an adjacent region merging process is performed to refine the segmentation and output the final set of tissue sections. The approach is promising for enhancing the comprehension and diagnosis of eye diseases.
Segmentation sémantique automatique des images hyperspectrales de fluorescence basée sur le regroupement hiérarchique
L'imagerie hyperspectrale par microscopie à fluorescence (IHSMF) de tissus biologiques non colorés est un outil fondamental en pathologie diagnostique et en recherche biomédicale. La segmentation sémantique des images tirées de l'IHSMF est essentielle pour obtenir des données d'IHS étiquetées. Notre objectif est de développer une approche automatique non supervisée de segmentation sémantique d'images hyperspectrales qui produit des segments de haute qualité pour des tâches de vision de haut niveau telles que le diagnostic de maladies à distance et la chirurgie assistée par la pathologie. Notre algorithme en plusieurs étapes commence par le débruitage de l'image et la réduction des dimensions à l'aide du filtrage et des superpixels. Une méthode automatique de segmentation d'image basée sur le regroupement hiérarchique est ensuite appliquée pour créer des segments d'image basés sur les informations spectrales et spatiales. Enfin, un processus de fusion des régions adjacentes est mis en œuvre pour affiner la segmentation et produire l'ensemble final de coupes de tissus. Cette approche est prometteuse pour améliorer la compréhension et le diagnostic des maladies oculaires.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais