LKCell：使用大卷积核实现细胞核实例分割的高效方法
图像与视频处理
2024-07-26 v1 计算机视觉与模式识别
摘要
染色剂 hematoxylin and eosin (HE) 的组织图像中细胞核的分割是各种临床应用和分析的关键。由于细胞形态学的复杂特征，认为大感受野场域对于生成高质量分割至关重要。然而，先前的方法面临在感受野场域和计算负担之间取得平衡的挑战。为此，我们提出了 LKCell，一种高精度且高效的细胞分割方法。其核心洞见在于释放大卷积核实现计算高效大感受野场域的潜力。具体地，(1) 我们首次将预训练的大卷积核模型转移到医学领域，展示了其在细胞分割中的有效性。(2) 我们分析了先前方法的冗余性，并设计了基于大卷积核的新分割解码器。它在保持更高性能的同时显著减少了参数数量。我们在最具挑战性的基准上评估了该方法，仅使用 21.6% 的 FLOPs 即可实现该方法在细胞核实例分割中的最先进结果 (0.5080 mPQ)。我们的源代码和模型可在 https://github.com/hustvl/LKCell 获取。
引用
@article{arxiv.2407.18054,
title = {LKCell: Efficient Cell Nuclei Instance Segmentation with Large Convolution Kernels},
author = {Ziwei Cui and Jingfeng Yao and Lunbin Zeng and Juan Yang and Wenyu Liu and Xinggang Wang},
journal= {arXiv preprint arXiv:2407.18054},
year = {2024}
}