一种用于改善肝细胞癌全切片图像完整肿瘤分割的分层 Transformer 编码器
图像与视频处理
2023-07-13 v1 计算机视觉与模式识别
摘要
在数字组织病理学中，肝细胞癌 (HCC) 全切片图像 (WSI) 上的完整肿瘤分割起着重要作用，尤其作为自动排除健康组织、用于组织学分子相关性挖掘及其他下游组织病理学任务的预处理过滤器。由于 HCC 固有的高度异质性以及大视野下依赖关系学习的缺失，该分割任务仍然具有挑战性。本文中，我们提出一种带有分层 Transformer 编码器的新颖深度学习架构 HiTrans，以学习扩展的 40964096 WSI 块内的全局依赖关系。与最先进的全卷积神经网络 (FCNN) 相比，HiTrans 旨在以更大的感受野及所学全局依赖关系对图像块进行编码与解码。经验评估证实，HiTrans 通过考虑区域与全局依赖信息带来了更好的分割性能。
引用
@article{arxiv.2307.05800,
title = {A Hierarchical Transformer Encoder to Improve Entire Neoplasm Segmentation on Whole Slide Image of Hepatocellular Carcinoma},
author = {Zhuxian Guo and Qitong Wang and Henning Müller and Themis Palpanas and Nicolas Loménie and Camille Kurtz},
journal= {arXiv preprint arXiv:2307.05800},
year = {2023}
}