PrPSeg: Universal Proposition Learning for Panoramic Renal Pathology Segmentation

要約

腎臓病理の解剖学的構造を理解することは、疾患の診断、治療評価、臨床研究を進める上で非常に重要です。
複雑な腎臓系は、領域 (皮質、髄質)、機能単位 (糸球体、尿細管)、および細胞 (有足細胞、糸球体のメサンギウム細胞) など、複数のレベルにわたるさまざまな構成要素で構成されます。
これまでの研究では、臨床知識に基づく物体間の複雑な空間的相互関係が主に見落とされてきました。
この研究では、腎臓の解剖学の広範な知識を統合することで腎臓内のパノラマ構造を包括的にセグメント化するように設計された、パノラマ腎病理セグメンテーション（PrPSeg）と呼ばれる新しい普遍的命題学習アプローチを紹介します。
この論文では、我々は、(1) セグメンテーションプロセスへの分類と空間的関係の組み込みを容易にする、腎臓病理のための包括的な普遍的命題マトリックスの設計を提案する。
(2) トークンベースの動的ヘッドシングルネットワークアーキテクチャ。部分的なラベルイメージのセグメンテーションと将来のデータ拡大に備えた機能が改善されています。
(3) 腎臓全体にわたるオブジェクト間の関係を定量化する解剖学的損失関数。

要約(オリジナル)

Understanding the anatomy of renal pathology is crucial for advancing disease diagnostics, treatment evaluation, and clinical research. The complex kidney system comprises various components across multiple levels, including regions (cortex, medulla), functional units (glomeruli, tubules), and cells (podocytes, mesangial cells in glomerulus). Prior studies have predominantly overlooked the intricate spatial interrelations among objects from clinical knowledge. In this research, we introduce a novel universal proposition learning approach, called panoramic renal pathology segmentation (PrPSeg), designed to segment comprehensively panoramic structures within kidney by integrating extensive knowledge of kidney anatomy. In this paper, we propose (1) the design of a comprehensive universal proposition matrix for renal pathology, facilitating the incorporation of classification and spatial relationships into the segmentation process; (2) a token-based dynamic head single network architecture, with the improvement of the partial label image segmentation and capability for future data enlargement; and (3) an anatomy loss function, quantifying the inter-object relationships across the kidney.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google