AWGUNET: 用于组织病理学图像细胞核分割的注意力辅助小波引导U-Net
计算机视觉与模式识别
2024-06-13 v1 人工智能
摘要
在组织病理学图像中准确分割细胞核对于癌症诊断至关重要。由于手动标注耗时且容易出现人为错误,自动化这一过程为临床专家提供了宝贵的支持。然而,由于不确定的细胞边界、复杂的染色和多样的结构,自动化细胞核分割面临挑战。在本文中,我们提出了一种分割方法,该方法将U-Net架构与DenseNet-121骨干网络相结合,利用两者的优势来捕获全面的上下文和空间信息。我们的模型引入了小波引导的通道注意力模块以增强细胞边界描绘,以及一个可学习的加权全局注意力模块用于通道特定的注意力。由上采样块和卷积块组成的解码器模块进一步细化了处理染色模式时的分割效果。在两个公开可用的组织病理学数据集(即Monuseg和TNBC)上进行的实验结果强调了所提出模型的优越性,展示了其在推进组织病理学图像分析和癌症诊断方面的潜力。代码可在以下网址获取: https://github.com/AyushRoy2001/AWGUNET。
引用
@article{arxiv.2406.08425,
title = {AWGUNET: Attention-Aided Wavelet Guided U-Net for Nuclei Segmentation in Histopathology Images},
author = {Ayush Roy and Payel Pramanik and Dmitrii Kaplun and Sergei Antonov and Ram Sarkar},
journal= {arXiv preprint arXiv:2406.08425},
year = {2024}
}