SEINE：用于细胞核实例分割的结构编码与交互网络
计算机视觉与模式识别
2024-02-12 v2 人工智能
摘要
组织病理学图像中的细胞核实例分割对于生物分析和癌症诊断至关重要，但由于两个原因仍具有挑战性：(1) 嗜色细胞核的核内与核外区域视觉呈现相似，常导致欠分割；(2) 现有方法缺乏对细胞核结构的探索，导致实例预测碎片化。为解决这些问题，本文提出了一种名为 SEINE 的结构编码与交互网络，该网络开发了细胞核的结构建模方案，并利用细胞核间的结构相似性来提高每个分割实例的完整性。具体而言，SEINE 引入了一种基于轮廓的结构编码 (SE)，考虑了细胞核结构与语义之间的相关性，实现了对细胞核结构的合理表示。基于该编码，我们提出了一种结构引导注意力 (SGA) 模块，以清晰细胞核为原型，增强模糊细胞核的结构学习。为加强结构学习能力，提出了语义特征融合 (SFF) 以提升语义分支与结构分支的语义一致性。此外，应用了位置增强 (PE) 方法来抑制错误的细胞核边界预测。大量实验证明了我们方法的优越性，SEINE 在四个数据集上实现了最先进 (SOTA) 的性能。代码地址：https://github.com/zhangye-zoe/SEINE。
引用
@article{arxiv.2401.09773,
title = {SEINE: Structure Encoding and Interaction Network for Nuclei Instance Segmentation},
author = {Ye Zhang and Linghan Cai and Ziyue Wang and Yongbing Zhang},
journal= {arXiv preprint arXiv:2401.09773},
year = {2024}
}
备注
10 pages, 12 figures, 6 tables, submitted to TMI