PrPSeg：面向全景肾脏病理分割的通用命题学习
图像与视频处理
2024-03-22 v2 计算机视觉与模式识别
摘要
理解肾脏病理的解剖结构对于推进疾病诊断、治疗评估和临床研究至关重要。复杂的肾脏系统包含多个层次的多种组成部分，包括区域（皮质、髓质）、功能单元（肾小球、肾小管）和细胞（足细胞、肾小球系膜细胞）。以往的研究大多忽略了临床知识中对象之间复杂的空间相互关系。在本研究中，我们引入了一种新颖的通用命题学习方法，称为全景肾脏病理分割（PrPSeg），旨在通过整合广泛的肾脏解剖知识来全面分割肾脏的全景结构。本文提出：(1) 设计了一个全面的肾脏病理通用命题矩阵，促进分类和空间关系融入分割过程；(2) 一种基于标记的动态头单网络架构，改进了部分标签图像分割并具备未来数据扩展能力；(3) 一个解剖损失函数，量化肾脏中对象间的关系。
引用
@article{arxiv.2402.19286,
title = {PrPSeg: Universal Proposition Learning for Panoramic Renal Pathology Segmentation},
author = {Ruining Deng and Quan Liu and Can Cui and Tianyuan Yao and Jialin Yue and Juming Xiong and Lining Yu and Yifei Wu and Mengmeng Yin and Yu Wang and Shilin Zhao and Yucheng Tang and Haichun Yang and Yuankai Huo},
journal= {arXiv preprint arXiv:2402.19286},
year = {2024}
}
备注
IEEE / CVF Computer Vision and Pattern Recognition Conference 2024