GCUNet：基于图神经网络的三级淋巴结构全切片图像语义分割 contextual learning network
计算机视觉与模式识别
2024-12-10 v1
摘要
我们聚焦于全切片图像（WSI）中三级淋巴结构（TLS）的语义分割。与TLS二值分割不同，TLS语义分割识别边界和成熟度，这需要整合上下文信息以发现判别性特征。鉴于WSI的大规模（例如100,000×100,000像素），TLS的分割通常通过基于块的策略实现。然而，这会限制模型访问块外部的信息，影响性能。为此，我们提出GCUNet，一种用于TLS语义分割的基于图神经网络的上下文学习网络。给定待分割的图像块（目标），GCUNet首先逐步聚合目标外部的远程和细粒度上下文。然后，设计了细节与上下文融合块（DCFusion），以整合目标的上下文和细节以预测分割掩码。我们构建了四个TLS语义分割数据集，称为TCGA-COAD、TCGA-LUSC、TCGA-BLCA和INHOUSE-PAAD，并公开了前三个数据集（包含826个WSI和15,276个TLSs），以推动TLS语义分割。这些数据集上的实验表明GCUNet的优越性，相较于SOTA至少提高了7.41%的mF1。
引用
@article{arxiv.2412.06129,
title = {GCUNet: A GNN-Based Contextual Learning Network for Tertiary Lymphoid Structure Semantic Segmentation in Whole Slide Image},
author = {Lei Su and Yang Du},
journal= {arXiv preprint arXiv:2412.06129},
year = {2024}
}