NuLite——用于细胞核实例分割与分类的轻量快速模型
图像与视频处理
2024-08-12 v2 计算机视觉与模式识别
摘要
在病理学中，对苏木精和伊红（H&E）切片的准确高效分析对于及时有效的癌症诊断至关重要。尽管文献中存在许多用于细胞核实例分割和分类的深度学习解决方案，但它们通常涉及高昂的计算成本和资源需求，从而限制了其在医学应用中的实际使用。为解决这一问题，我们提出了一种新型卷积神经网络 NuLite，这是一种基于 Fast-ViT（最先进的轻量级 CNN）专门设计的类 U-Net 架构。我们获得了三个版本的模型 NuLite-S、NuLite-M 和 NuLite-H，并在 PanNuke 数据集上进行了训练。实验结果证明，我们的模型在全景质量和检测方面与 CellViT（SOTA）持平。然而，我们最轻的模型 NuLite-S 在参数量上小 40 倍，在 GFlops 上小约 8 倍，而最重的模型在参数量上小 17 倍，在 GFlops 上小约 7 倍。此外，我们的模型比 CellViT 快约 8 倍。最后，为了证明我们解决方案的有效性，我们在 CoNseP、MoNuSeg 和 GlySAC 等外部数据集上进行了稳健的比较。我们的模型公开可用，地址为 https://github.com/CosmoIknosLab/NuLite
引用
@article{arxiv.2408.01797,
title = {NuLite -- Lightweight and Fast Model for Nuclei Instance Segmentation and Classification},
author = {Cristian Tommasino and Cristiano Russo and Antonio Maria Rinaldi},
journal= {arXiv preprint arXiv:2408.01797},
year = {2024}
}