关于细胞核实例细分和分类的调查:利用上下文和注意力
João D Nunes1, Diana Montezuma2, Domingos Oliveira3
1INESC TEC - Institute for Systems and Computer Engineering, Technology and Science, R. Dr. Roberto Frias, Porto, 4200-465, Portugal; University of Porto - Faculty of Engineering, R. Dr. Roberto Frias, Porto, 4200-465, Portugal.
Medical image analysis
|October 9, 2024
概括
在癌症成像中,自动化的细胞核细分和分类具有挑战性. 将上下文和注意力机制纳入人工神经网络有望提高分析整个幻灯片图像的性能和概括性.
科学领域:
- 数字病理学数字病理学
- 计算机成像成像技术
- 医学中的人工智能
背景情况:
- 在千兆像素全幻灯片图像 (WSIs) 中手动注释细胞核是耗时且昂贵的.
- 核心例如细分和分类的自动化算法可以帮助病理学家和研究人员.
- 目前的算法在核特征和染色工件的高变化方面扎.
研究的目的:
- 研究人工神经网络 (ANN) 中的上下文和注意力机制的潜力,以改进核实例细分和分类.
- 审查关于计算机视觉和医疗成像中用于核分析的上下文和注意力方法的现有文献.
- 确定这个领域的挑战,局限性和未来的研究方向.
主要方法:
- 在H&E染色显微镜图像中对细胞核分析的上下文和注意力机制进行了全面的调查.
- 扩展面具R-CNN和HoVer-Net具有上下文和注意力机制.
- 在多中心数据集上进行了对比分析,用于结肠核的识别和计数.
主要成果:
- 研究结果表明,将病理学家对背景和注意力的领域知识转化为算法设计是复杂的.
- 背景和注意力机制需要进一步的科学理解,以便在ANN中有效实施.
- 该研究提供了这些机制的优势,用例和局限性的见解.
结论:
- 将上下文和注意力机制集成到ANN中是增强自动化核细分和分类的有希望的途径.
- 需要进一步的研究才能充分利用这些机制并解决目前的局限性.
- 改进的算法可以显著支持数字病理学工作流程和人工智能驱动的癌症诊断.


