HARU-Net による核セグメンテーションの強化: ハイブリッドアテンションベースの残留 U ブロックネットワーク

まとめ

核画像セグメンテーションは、分析、病理学的診断、および分類における重要なステップであり、核画像セグメンテーションの品質は核画像セグメンテーションの品質に大きく依存します。しかし、核サイズの変化、ぼやけた核輪郭、不均一な染色、細胞凝集、細胞の重なりなどの問題の複雑さは、重大な課題を引き起こします。現在の核セグメンテーション法は主に核形態学または輪郭ベースの方法に依存しています。カーネル形態学ベースの方法では一般化機能が限られており、不規則な形状のカーネルを効果的に予測することが困難ですが、輪郭ベースの抽出方法では、重複するカーネルを正確にセグメント化するという課題に直面しています。上記の問題に対処するために、ハイブリッドアテンションベースの残差 U ブロックを使用したカーネルインスタンスセグメンテーションのためのデュアルブランチネットワークを提案します。

ネットワークは物体の情報と物体の輪郭を同時に予測します。
重なり合う核を区別し、インスタンスセグメンテーション画像を生成するために、オブジェクト情報とオブジェクト輪郭を組み合わせた後処理方法が導入されています。
ネットワークからコンテキスト情報を効率的に抽出して組み込むために、コンテキストフュージョンブロック (CF ブロック) が提案されています。
私たちのメソッドのパフォーマンスを評価するために、広範な定量的評価が実行されます。実験結果は、提案された方法が、BNS、MoNuSeg、cong、および CPM-17 データセットに対する最先端の方法と比較して優れたパフォーマンスを有することを示しています。