Bridging Classification and Segmentation in Osteosarcoma Assessment via Foundation and Discrete Diffusion Models

要約

最も一般的な原発性骨癌である骨肉腫では、効果的な治療計画と予後のために、しばしばホールスライド画像（WSI）からの正確な壊死評価が必要とされる。しかし、手作業による評価は主観的でばらつきが生じやすい。そこで我々は、パッチ分類と領域ベースのセグメンテーションのギャップを埋める新しいフレームワークであるFDDMを紹介する。FDDMは、パッチベースの分類と、それに続く領域ベースの精密化という2段階で動作し、パッチ間の情報の相互作用を可能にする。FDDMは、新たに作成された骨肉腫画像のデータセットを活用することで、優れたセグメンテーション性能を示し、最先端の手法と比較して、mIOUで最大10％の改善、壊死率推定で32.12％の改善を達成した。このフレームワークは、骨肉腫評価における新たなベンチマークを設定し、複雑な医用画像処理タスクにおける基礎モデルと拡散ベースの改良の可能性を強調している。

要約(オリジナル)

Osteosarcoma, the most common primary bone cancer, often requires accurate necrosis assessment from whole slide images (WSIs) for effective treatment planning and prognosis. However, manual assessments are subjective and prone to variability. In response, we introduce FDDM, a novel framework bridging the gap between patch classification and region-based segmentation. FDDM operates in two stages: patch-based classification, followed by region-based refinement, enabling cross-patch information intergation. Leveraging a newly curated dataset of osteosarcoma images, FDDM demonstrates superior segmentation performance, achieving up to a 10% improvement mIOU and a 32.12% enhancement in necrosis rate estimation over state-of-the-art methods. This framework sets a new benchmark in osteosarcoma assessment, highlighting the potential of foundation models and diffusion-based refinements in complex medical imaging tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL