From WSI-level to Patch-level: Structure Prior Guided Binuclear Cell Fine-grained Detection

要約

正確かつ迅速に二核細胞 (BC) を検出することは、白血病やその他の悪性腫瘍のリスクを予測する上で重要な役割を果たします。
ただし、手動の顕微鏡カウントは時間がかかり、客観性に欠けます。
さらに、BC 顕微鏡全スライド画像 (WSI) の染色品質と形態特徴の多様性の制限により、従来の画像処理アプローチは無力です。
この課題を克服するために、深層学習に基づく BC の事前構造に着想を得た 2 段階の検出方法を提案します。これは、WSI レベルで BC の粗い検出を実装し、パッチレベルで細粒度分類を実装するためにカスケードします。
粗検出ネットワークは、細胞検出用の円形バウンディング ボックスと、核検出用の中央キー ポイントに基づくマルチタスク検出フレームワークです。
円表現は自由度を減らし、通常の長方形のボックスと比較して周囲の不純物の影響を軽減し、WSI で回転不変にすることができます。
核内の重要なポイントを検出することは、ネットワークの認識を支援し、後の細粒度分類における教師なしカラー レイヤー セグメンテーションに使用できます。
詳細な分類ネットワークは、カラー レイヤー マスク監視に基づく背景領域抑制モジュールと、そのグローバル モデリング機能によるトランスフォーマーに基づくキー領域選択モジュールで構成されます。
さらに、ロングテール分布データセットを拡張するために、教師なしで対になっていない細胞質ジェネレーターネットワークが最初に提案されています。
最後に、実験は BC 多施設データセットで実行されます。
提案されたBC精密検出法は、ほぼすべての評価基準で他のベンチマークよりも優れており、がんスクリーニングなどのタスクを明確にし、サポートします。

要約(オリジナル)

Accurately and quickly binuclear cell (BC) detection plays a significant role in predicting the risk of leukemia and other malignant tumors. However, manual microscopy counting is time-consuming and lacks objectivity. Moreover, with the limitation of staining quality and diversity of morphology features in BC microscopy whole slide images (WSIs), traditional image processing approaches are helpless. To overcome this challenge, we propose a two-stage detection method inspired by the structure prior of BC based on deep learning, which cascades to implement BCs coarse detection at the WSI-level and fine-grained classification in patch-level. The coarse detection network is a multi-task detection framework based on circular bounding boxes for cells detection, and central key points for nucleus detection. The circle representation reduces the degrees of freedom, mitigates the effect of surrounding impurities compared to usual rectangular boxes and can be rotation invariant in WSI. Detecting key points in the nucleus can assist network perception and be used for unsupervised color layer segmentation in later fine-grained classification. The fine classification network consists of a background region suppression module based on color layer mask supervision and a key region selection module based on a transformer due to its global modeling capability. Additionally, an unsupervised and unpaired cytoplasm generator network is firstly proposed to expand the long-tailed distribution dataset. Finally, experiments are performed on BC multicenter datasets. The proposed BC fine detection method outperforms other benchmarks in almost all the evaluation criteria, providing clarification and support for tasks such as cancer screenings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google