.png){kind=icon}
返回
Instance-level semantic segmentation of nuclei based on multimodal structure encoding
.png){kind=icon}
OA
AI
DOI：10.1186/s12859-025-06066-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景准确分割和分类细胞核对于组织病理学图像分析至关重要。然而，现有的基于深度神经网络的方法由于其依赖局部感受野，往往难以捕捉细胞核的复杂形态学特征和全局空间分布。
方法本研究提出了一种基于视觉-语言模型的图神经网络编码框架。该框架包括：(1) 利用对比语言-图像预训练（CLIP）模型图像编码器的多尺度特征融合与知识蒸馏模块；(2) 将细胞形态学特征转换为文本描述以进行语义表示的方法；以及(3) 采用图神经网络方法学习细胞核之间的空间关系和上下文信息。
结果实验结果表明，与现有方法相比，所提出的方法显著提高了细胞核分割和分类的准确性。该框架有效捕获了复杂的核结构及全局分布特征，从而提升了组织病理学图像分析的性能。
结论通过深度挖掘细胞核的形态学特征及其空间拓扑关系，本研究的图神经网络编码框架实现了高精度的核分割和分类。该方法在增强组织病理学图像分析方面展现出显著潜力，有望实现更准确的诊断，并加深对病理组织中细胞结构的理解。
Keyword:
Cell nucleus segmentation
Histopathological image
Graph neural networks
Multimodal fusion
期刊
IF:
3.3
论文数:
666
被引数:
5.2W
机构
暂无机构信息
引用论文
Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer深度学习可以直接从胃肠道肿瘤的组织学中预测微卫星不稳定性.png)
NATURE MEDICINE
OAAI
NATURE MEDICINEIF50
OAAI分享收藏Single-cell protein activity analysis identifies recurrence-associated renal tumor macrophages单细胞蛋白活性分析鉴定与复发相关的肾肿瘤巨噬细胞CellOAAI
CellIF0
OAAI分享收藏HoVer-Trans: Anatomy-Aware HoVer-Transformer for ROI-Free Breast Cancer Diagnosis in Ultrasound ImagesHoVer-Trans: 用于超声图像中无ROI乳腺癌诊断的解剖感知悬停变压器OAAI
OAAI分享收藏分享收藏分享收藏Hover-Net: Simultaneous segmentation and classification of nuclei in multi-tissue histology imagesHover-Net: 多组织组织学图像中细胞核的同时分割和分类MEDICAL IMAGE ANALYSISOAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏Progressive immune dysfunction with advancing disease stage in renal cell carcinomaCancer CellOAAI
Cancer CellIF0
OAAI分享收藏
查看更多内容