Morphology semantics-guided vision language alignment for cervical cell image classification

doi:10.1016/j.patcog.2026.114606

Morphology semantics-guided vision language alignment for cervical cell image classification

2026-08-01

0

PRE

AI

DOI：10.1016/j.patcog.2026.114606

原文链接

原文求助

摘要

En 中文

宫颈细胞学筛查对宫颈癌的早期检测至关重要，并且经常利用基于深度学习的细胞图像分类。端到端模型倾向于依赖染色差异和统计图像特征，这与临床诊断原则不一致，后者基于形态学标准，如核质比和核膜形态。我们提出了一种形态学语义引导的宫颈细胞图像分类框架。我们根据巴塞系统（TBS）将离散的类别标签映射到类别级别的形态学文本描述，并采用图像实例与类别描述之间的N-to-1对应范式。然后，我们设计了一个类别感知的形态学视觉-语言对齐（CaM-VLA）模块，该模块利用双向多粒度跨模态注意力机制和类别感知对比学习，以建立形态学语义与图像特征之间的细粒度对应关系。我们进一步提出了一种基于相似度的跨模态匹配方案进行分类，这与CaM-VLA的工作原理一致。领域内和跨类别实验表明，显式地融入形态学语义可提高分类性能。定性可视化结果还表明，模型可能将诊断相关的形态学概念与图像区域相关联。

Keyword:

Cervical cytology

Morphological semantics

Vision-language alignment

Morphology semantics-guided vision language alignment for cervical cell image classification

摘要

期刊

机构

引用论文