MGTUNet: An new UNet for colon nuclei instance segmentation and quantification

要約

結腸直腸がん (CRC) は、罹患率と死亡率の点で上位 3 種類の悪性腫瘍の 1 つです。
組織病理学的画像は、結腸がんを診断するための黄金律です。
細胞核インスタンスのセグメント化と分類、および核成分回帰タスクは、結腸組織内の腫瘍微小環境の分析に役立ちます。
従来の方法では、依然として両方のタイプのタスクを同時にエンドツーエンドで処理することができず、予測精度が低く、アプリケーションのコストが高くなります。
この論文では、MGTUNet と呼ばれる、UNet フレームワークに基づいて原子核を処理するための新しい UNet モデルを提案します。このモデルは、Mish、グループ正規化、転置畳み込み層を使用してセグメンテーション モデルを改善し、レンジャー オプティマイザーを使用して SmoothL1Loss 値を調整します。
次に、さまざまなチャネルを使用してさまざまな種類の核をセグメント化および分類し、最終的には核インスタンスのセグメント化と分類タスク、および核コンポーネントの回帰タスクを同時に完了します。
最後に、8 つのセグメンテーション モデルを使用して広範な比較実験を行いました。
3 つの評価メトリクスとモデルのパラメーター サイズを比較することにより、MGTUNet は PQ で 0.6254、mPQ で 0.6359、R2 で 0.8695 を取得しました。
したがって、この実験は、MGTUNet が結腸癌の組織病理学的画像を定量化するための最先端の方法であることを実証しました。

要約(オリジナル)

Colorectal cancer (CRC) is among the top three malignant tumor types in terms of morbidity and mortality. Histopathological images are the gold standard for diagnosing colon cancer. Cellular nuclei instance segmentation and classification, and nuclear component regression tasks can aid in the analysis of the tumor microenvironment in colon tissue. Traditional methods are still unable to handle both types of tasks end-to-end at the same time, and have poor prediction accuracy and high application costs. This paper proposes a new UNet model for handling nuclei based on the UNet framework, called MGTUNet, which uses Mish, Group normalization and transposed convolution layer to improve the segmentation model, and a ranger optimizer to adjust the SmoothL1Loss values. Secondly, it uses different channels to segment and classify different types of nucleus, ultimately completing the nuclei instance segmentation and classification task, and the nuclei component regression task simultaneously. Finally, we did extensive comparison experiments using eight segmentation models. By comparing the three evaluation metrics and the parameter sizes of the models, MGTUNet obtained 0.6254 on PQ, 0.6359 on mPQ, and 0.8695 on R2. Thus, the experiments demonstrated that MGTUNet is now a state-of-the-art method for quantifying histopathological images of colon cancer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google