多尺度变压器和多注意力机制网络用于病理核细分的病理核细分
Yongzhao Du1,2, Xin Chen3, Yuqing Fu3,4
1College of Engineering, Huaqiao University, Fujian, 362021, China. yongzhaodu@126.com.
Scientific reports
|April 12, 2025
概括
这项研究引入了一种用于病理核细分的新网络模型,提高了计算机辅助诊断的准确性. 该模型有效地处理密集的核和模糊的边界,以便在病理图像中更好地细分细胞.
科学领域:
- 数字病理学数字病理学
- 医学图像分析 医学图像分析
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 病理核细分对于计算机辅助诊断至关重要,但由于高细胞密度,复杂的背景和模糊的边界,具有挑战性.
- 现有的方法难以准确地对复杂的病理图像中的核进行细分,这会影响诊断的准确性.
研究的目的:
- 为精确的病理核细分开发先进的网络模型.
- 在具有挑战性的病理图像中增强特征提取和边界划分.
主要方法:
- 一个新的网络模型,整合了多个规模的变压器多重注意力机制,用于病理图像细分.
- 在编码器中整合密集的注意力模块,以改善目标细胞的信息学习,并最大限度地减少信息丢失.
- 在编码器和解码器之间包含一个多尺度变压器注意力模块,以增强边界特征信息的传输.
主要成果:
- 拟议的模型在跨越MoNuSeg,Glas和CoNSeP数据集的病理核细分方面表现出卓越的准确性.
- 密集的注意力模块有效地解决了高细胞密度和复杂背景所带来的挑战.
- 多尺度变压器注意模块显著提高了细分细胞边界的准确性.
结论:
- 开发的网络模型在病理核细分方面取得了重大进展.
- 提出的注意力机制有效地克服了密集和复杂的细胞核细分的关键挑战.
- 这种方法有望提高数字病理学中计算机辅助诊断的准确性和可靠性.
