CircleFormer: Circular Nuclei Detection in Whole Slide Images with Circle Queries and Attention

要約

バウンディング ボックス表現を使用した CNN ベースと Transformer ベースの物体検出はどちらも、コンピュータ ビジョンおよび医用画像解析において広く研究されていますが、医用画像における円形物体検出についてはまだ研究が進んでいません。
腎病理におけるボール型糸球体検出のための最近のアンカーフリー CNN ベースの円形オブジェクト検出方法 (CircleNet) に触発されて、この論文では、動的なアンカー円を備えた Transformer ベースの円形医療オブジェクト検出である CircleFormer を紹介します。
具体的には、Transformer デコーダーの円表現を使用したクエリは、円形オブジェクトの検出結果を反復的に改良し、円クロス アテンション モジュールを導入して、円形クエリと画像特徴間の類似性を計算します。
一般化円 IoU (gCIoU) は、円形オブジェクト検出の新しい回帰損失としても機能するように提案されています。
さらに、私たちのアプローチは、CircleFormer に単純なセグメンテーション ブランチを追加することで、セグメンテーション タスクに簡単に一般化できます。
公開されている MoNuSeg データセット上で円形核の検出とセグメンテーションにおける私たちの方法を評価したところ、実験結果は私たちの方法が最先端のアプローチと比較して有望なパフォーマンスを達成することを示しました。
各コンポーネントの有効性はアブレーション研究によっても検証されています。
私たちのコードは \url{https://github.com/zhanghx-iim-ahu/CircleFormer} でリリースされています。

要約(オリジナル)

Both CNN-based and Transformer-based object detection with bounding box representation have been extensively studied in computer vision and medical image analysis, but circular object detection in medical images is still underexplored. Inspired by the recent anchor free CNN-based circular object detection method (CircleNet) for ball-shape glomeruli detection in renal pathology, in this paper, we present CircleFormer, a Transformer-based circular medical object detection with dynamic anchor circles. Specifically, queries with circle representation in Transformer decoder iteratively refine the circular object detection results, and a circle cross attention module is introduced to compute the similarity between circular queries and image features. A generalized circle IoU (gCIoU) is proposed to serve as a new regression loss of circular object detection as well. Moreover, our approach is easy to generalize to the segmentation task by adding a simple segmentation branch to CircleFormer. We evaluate our method in circular nuclei detection and segmentation on the public MoNuSeg dataset, and the experimental results show that our method achieves promising performance compared with the state-of-the-art approaches. The effectiveness of each component is validated via ablation studies as well. Our code is released at: \url{https://github.com/zhanghx-iim-ahu/CircleFormer}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google