基于 Transformer 的 Whole Slide Images 中细胞核检测与分类
计算机视觉与模式识别
2025-02-11 v1
摘要
准确且高效的细胞核检测与分类在组织病理 Whole Slide Images (WSIs) 中至关重要，用于数字病理应用。传统的细胞分割方法虽常用，但计算代价高且需要大量后处理，限制了其在高通量临床环境中的实际应用。在本文中，我们提出了从分割转向检测以从 WSIs 中提取细胞信息的范式转换，引入 CellNuc-DETR 作为更有效的解决方案。我们在 PanNuke 数据集上评估了 CellNuc-DETR 的准确率性能，并在 CoNSeP 和 MoNuSeg 上进行跨数据集评估，以衡量其鲁棒性和泛化能力。我们的结果表明在细胞核检测和分类任务中均实现了最先进的性能。此外，我们评估了 CellNuc-DETR 在大型 WSIs 上的效率，结果表明它不仅在准确率上超过当前方法，而且在推理时间上显著减少。具体而言，CellNuc-DETR 比最快的基于分割的方法 HoVer-NeXt 快一倍，同时实现了显著更高的准确率。而且，它在准确率上超过了 CellViT，在 WSIs 上的推理速度约快十倍。这些结果确立了 CellNuc-DETR 作为数字病理中细胞分析的优越方法，实现了高准确率与计算效率的结合。
引用
@article{arxiv.2502.06307,
title = {Cell Nuclei Detection and Classification in Whole Slide Images with Transformers},
author = {Oscar Pina and Eduard Dorca and Verónica Vilaplana},
journal= {arXiv preprint arXiv:2502.06307},
year = {2025}
}