面积化提示Mamba网络用于核细胞分割与分类
计算机视觉与模式识别
2025-03-17 v2
摘要
核细胞的分割与分类提供了肿瘤免疫微环境分析的重要基础。以往的核细胞分割与分类模型需要将大图像分割成更小的补丁进行训练，导致两个显著问题：其一，在推理时，相邻补丁边界处的核细胞容易出现错位；其二，这种基于补丁的方法显著增加模型的训练和推理时间。最近，Mamba因其能够以线性时间复杂度和低内存消耗来建模大规模图像而受到关注。它为在全尺寸图像上训练核细胞分割与分类模型提供了可行的解决方案。然而，Mamba的基于方向的扫描方法未能考虑类别特定的特征，导致在类别分布不平衡的场景下性能 suboptimal。为解决这些挑战，本文引入了一种基于类别概率排序的新型扫描策略，该策略独立地根据置信度从高到低对每个类别的特征进行排序和扫描。该方法增强了不确定样本的特征表示，缓解了不平衡分布所致问题。在四个公开数据集上进行的大量实验表明，我们的方法在核细胞分割与分类任务中超越了当前最先进的方法，展现了卓越的性能。
引用
@article{arxiv.2503.10422,
title = {Category Prompt Mamba Network for Nuclei Segmentation and Classification},
author = {Ye Zhang and Zijie Fang and Yifeng Wang and Lingbo Zhang and Xianchao Guan and Yongbing Zhang},
journal= {arXiv preprint arXiv:2503.10422},
year = {2025}
}