ADNP-15：基于频域图像增强与染色标准化的开源人脑神经炎斑块分割数据集与深度学习方法研究

　　本研究针对阿尔茨海默病（AD）病理图像分析中神经炎斑块（Neuritic Plaques）分割的挑战，开源了ADNP-15人脑全切片图像数据集，并提出一种基于傅里叶变换的频域图像增强方法。通过系统评估五种深度学习模型与四种染色标准化技术，显著提升了斑块分割的准确性与模型泛化能力，为AD病理量化研究提供了可靠数据基础与方法支撑。

　　

Section snippets

Related Work

近年来，深度学习技术在阿尔茨海默病（AD）病理图像分析中展现出巨大潜力，尤其在检测与量化Tau蛋白（与临床症状密切相关的关键组织病理学标志物）方面。然而，该标志物在AD中的具体作用机制仍未完全阐明。

Frequency domain image enhancement

我们提出了一种基于傅里叶变换的简易图像增强方法（如图1所示）。该操作生成了一种新颖的图像表示形式，能够突出目标区域，从而有望提升模型性能。

给定样本i ∈ I，其中I ? R^N_x×N_y×3代表一组图像，我们将每幅图像i分解为红、绿、蓝（RGB）三个颜色通道，分别表示为i_r(x,y)、i_g(x,y) 和 i_b(x,y)。我们特别选择了绿色通道i_g，该通道通常能提供……

Dataset

本研究提出的全切片图像数据集（ADNP-15）源自法国国家脑库（Neuro-CEB），包含15例阿尔茨海默病患者的额皮质组织样本。所有样本均在患者或其亲属签署书面知情同意书后采集，所有实验程序均经机构审查委员会批准，并遵循有关人权的相关宣言与法规。本研究是一项回顾性……

Ablation study

为验证我们增强流程中关键参数的选择合理性，我们以Macenko标准化结合UNet作为基线模型进行了针对性消融实验。选择Macenko标准化是因其在组织病理学图像分析中性能稳定且应用广泛，而UNet作为经典分割骨干网络能清晰揭示增强模块的影响。

首先，我们评估了四种低通掩模尺寸——1×1、5×5、10×10 和 20×20 像素——通过测量Dice系数……

Discussion

本研究对死后人脑全切片图像（WSI）中神经炎斑块分割的染色标准化与频域增强策略进行了全面评估。我们引入了一种新颖的增强流程，并利用ADNP-15数据集在四种标准化技术上对五种深度学习模型进行了基准测试。在这些模型中，DynUNet和Dual-UNet表现出持续强劲的性能，尤其是在与Reinhard和Vahadane标准化结合时……

Conclusion

本研究中，我们开源了一个来自阿尔茨海默病患者的死后人脑WSI数据集，用于神经炎斑块分割。此外，我们系统评估了四种染色标准化数据集在五种深度学习分割模型上的性能。为进一步提升分割精度，我们提出了一种新颖的图像增强方法。实验结果表明，所提出的增强方法显著提高了分割准确性，尤其是在……