.png){kind=icon}
返回
Instance-Aware Multi-Task Learning for Nuclei Segmentation
.png){kind=icon}
PRE
AI
DOI：10.1109/TMI.2025.3583014.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
细胞核分割对于计算病理学分析至关重要。大多数先前的方法采用像素级分类或回归进行自动细胞核分割，但未在特征层面将细胞核实例描述为独立实体。为解决上述局限性，我们提出了一种实例感知的多任务学习框架，通过实例级预测分支强化像素级预测分支。实例级预测分支利用可学习的细胞级查询，使模型能够捕捉单个细胞核的位置信息及视觉表征。具体而言，我们引入了一种实例解耦特征学习模块，有效将对象级查询的嵌入与第一分支的像素级解码器特征对齐。此外，我们设计了一种双分支统一的后处理算法，用于聚合两个分支的互补输出以计算实例分割结果。实验结果表明，我们的框架在广泛的细胞核分割基准上取得了有竞争力的性能。代码和模型权重已发布于https://github.com/lhaof/IML。
Keyword:
Nuclei segmentation
multi-task learning
transformer models
instance segmentation
期刊
IF:
9.8
论文数:
6.3K
被引数:
3.7W
机构
引用论文
.png){kind=icon}
Watersheds in digital spaces: an efficient algorithm based on immersion simulations数字空间中的流域: 一种基于沉浸模拟的高效算法
PREAI
分享收藏
查看更多内容