基于注意力机制的CNN-SegFormer分割网络——面向组织片段组织化学切片的ACS-SegNet
计算机视觉与模式识别
2025-10-24 v1
摘要
自动组织片段组织化学切片图像分析在计算机辅助诊断各种疾病方面发挥着关键作用。在发展的算法中，基于深度学习的方法在多个任务中显示出卓越的性能，包括组织化学切片图像中的语义组织分割。本研究提出了一种基于注意力驱动的卷积神经网络（CNNs）和视觉转换器（ViTs）特征融合的新方法，构建于统一的双编码器模型，以提高语义分割性能。在两个公开可用数据集上的评估显示，我们的模型在GCPS数据集上实现了IoU/Dice得分76.79%/86.87%，在PUMA数据集上实现了64.93%/76.60%，超越了最先进的基准和基线方法。我们方法的实现已公开于GitHub仓库：https://github.com/NimaTorbati/ACS-SegNet
引用
@article{arxiv.2510.20754,
title = {ACS-SegNet: An Attention-Based CNN-SegFormer Segmentation Network for Tissue Segmentation in Histopathology},
author = {Nima Torbati and Anastasia Meshcheryakova and Ramona Woitek and Diana Mechtcheriakova and Amirreza Mahbod},
journal= {arXiv preprint arXiv:2510.20754},
year = {2025}
}
备注
5 pages