BLoss-DDNet：子宮頸臨床LBC画像における重複細胞核のセグメンテーションのための曲げ損失とデュアルタスクデコーディングネットワーク
Guihua Yang1, Ziran Chen2,3, Peng Guo2
1School of Mechanical and Electrical Engineering, Daqing Normal University, Daqing, Heilongjiang, China.
Frontiers in artificial intelligence
|December 22, 2025
まとめ
新しいディープラーニングネットワークであるBloss-DDNetは、子宮頸がんスクリーニング画像における重複細胞核の効果的なセグメンテーションを実現します。これにより、現在の核セグメンテーション技術の限界を克服し、子宮頸がんの診断精度が向上します。
科学分野:
- 医用画像処理
- 計算病理学
- 人工知能
背景:
- 子宮頸がんは、世界中の女性にとって主要な健康脅威です。
- 液体ベース細胞診（LBC）は、早期発見のための主要なスクリーニング方法です。
- LBC画像における現在の核セグメンテーションは、細胞の重複に対処するのに苦労しており、誤診につながる可能性があります。
研究 の 目的:
- 子宮頸LBC画像のための高度な核セグメンテーション技術を開発すること。
- 細胞クラスターにおける重度に重複した核のセグメンテーションの課題に対処すること。
- 自動子宮頸がん診断の精度を向上させること。
主な方法:
- 曲げ損失とデュアルタスクデコーディングネットワーク（Bloss-DDNet）の導入。
- デュアルタスクデコーディングモジュール（マスクと境界）の最適化のためのネットワークアーキテクチャ検索を利用しました。
- 共有エンコーダーとデュアルタスクデコーダーブランチからの特徴マップを融合しました。
- 重複核の境界曲率の変化に焦点を当てるために、曲げ損失を組み込みました。
主要な成果:
- Bloss-DDNetは、公開データセット全体で評価指標において優れたパフォーマンスを達成しました。
- 重複細胞クラスターおよび核のセグメンテーションにおける有効性を示しました。
- 子宮頸LBC画像における既存の核セグメンテーション技術を上回りました。
結論:
- Bloss-DDNetは、子宮頸LBC画像における重複核のセグメンテーションのための堅牢なソリューションを提供します。
- 提案手法は、子宮頸がんの臨床補助診断を大幅に強化します。
- セグメンテーション精度の向上は、より信頼性の高い子宮頸がん病理評価に貢献します。