.png){kind=icon}
返回
ProGIS: Prototype-Guided Interactive Segmentation for Pathological Images
.png){kind=icon}
PRE
AI
DOI：10.1109/TMI.2025.3611123.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
交互式分割在计算病理学中比传统自动分割具有更大的临床潜力。通过引入交互式输入，它解决了全自动分割模型的局限性，这些模型通常无法满足病理学家的要求，并且严重依赖大规模、像素级标注的数据集。然而，当前的交互式分割方法难以平衡交互成本和分割性能，且无法有效适应幻灯片级分割任务，而该任务在常规病理分析中更为关键。本研究提出了一种原型引导的交互式分割（ProGIS）框架，用于病理图像分割，旨在通过最少量的交互信号高效地实现精确分割结果。ProGIS可在单次交互中识别所有同类型组织的连通区域，并在推理过程中支持无预定义类别的多类别分割。此外，ProGIS可轻松适配于幻灯片级交互式分割。具体而言，ProGIS由三个模块组成：原型初始化、原型导航和局部精修。首先，原型初始化模块识别分类原型，然后利用这些原型在原型导航模块中识别所有属于同一类型的组织连通区域。局部精修模块通过详细的修正信号进一步优化分割结果，以确保难以区分区域的准确性。我们在两个感兴趣区域级和两个幻灯片级的病理分割数据集上评估了该框架，实现了较现有方法更少交互次数的新状态最佳性能。我们的代码可在https://github.com/JSGe-AI/ProGIS获取。
Keyword:
Interactive segmentation
tissue segmentation
prototype learning
computational pathology
期刊
IF:
9.8
论文数:
6.2K
被引数:
3.7W
机构
引用论文
.png){kind=icon}
分享收藏Artificial intelligence in digital pathology - new tools for diagnosis and precision oncology数字病理学中的人工智能-诊断和精确肿瘤学的新工具
OAAI
OAAI分享收藏
查看更多内容