能否超越视觉特征？非黑色素瘤皮肤组织病理学中用于关系图分析的神经组织关系建模
计算机视觉与模式识别
2026-05-12 v3
摘要
组织病理学图像分割对于 delineating 皮肤癌诊断中的组织结构至关重要，但建模空间上下文和组织间关系仍是一个挑战，尤其是在存在重叠或形态相似组织的区域。当前基于卷积神经网络（CNN）的方法主要操作于视觉纹理，通常将组织视为独立区域，无法编码生物学上下文。为此，我们提出了神经组织关系建模（NTRM），这是一种新颖的分割框架，通过组织级图神经网络增强CNN，以建模组织类型之间的空间和功能关系。NTRM在预测区域上构建图，通过消息传递传播上下文信息，并通过空间投影细化分割。与先前方法不同，NTRM明确编码组织间依赖关系，使边界密集区域能够产生结构一致的预测。在组织病理学非黑色素瘤皮肤癌分割数据集基准测试中，NTRM优于最先进方法，实现的Dice相似系数比所评估方法中表现最佳的模型高出4.9%至31.25%。我们的实验表明，与缺乏组织级结构感知的局部感受野架构相比，关系建模为实现更具上下文感知能力和可解释性的组织病理学分割提供了一条原则性路径。我们的代码可在https://github.com/shravan-18/NTRM获取。
引用
@article{arxiv.2512.06949,
title = {Can We Go Beyond Visual Features? Neural Tissue Relation Modeling for Relational Graph Analysis in Non-Melanoma Skin Histology},
author = {Shravan Venkatraman and Muthu Subash Kavitha and Joe Dhanith P R and V Manikandarajan and Jia Wu},
journal= {arXiv preprint arXiv:2512.06949},
year = {2026}
}
备注
CVPR 2026 Workshops