LKCell: Efficient Cell Nuclei Instance Segmentation with Large Convolution Kernels

要約

血液色素ヘマトキシリンおよびエオシン (H$\&$E) で染色された組織画像内の細胞核のセグメンテーションは、さまざまな臨床応用や分析に不可欠です。
細胞形態の複雑な特徴により、高品質のセグメンテーションを生成するには広い受容野が重要であると考えられています。
ただし、これまでの方法では、受容野と計算負荷との間のバランスを達成するという課題に直面しています。
この問題に対処するために、私たちは高精度かつ効率的なセル分割手法である LKCell を提案します。
その核となる洞察は、大規模コンボリューション カーネルの可能性を解き放ち、計算効率の高い大規模な受容場を実現することにあります。
具体的には、(1) 事前訓練された大規模コンボリューションカーネルモデルを初めて医療分野に移植し、細胞セグメンテーションにおけるその有効性を実証します。
(2) 以前の手法の冗長性を分析し、大規模畳み込みカーネルに基づいた新しいセグメンテーション デコーダを設計します。
パラメーターの数を大幅に削減しながら、より高いパフォーマンスを実現します。
私たちは最も困難なベンチマークでメソッドを評価し、以前の主要なメソッドと比較してわずか 21.6% の FLOP で細胞核インスタンスのセグメンテーションにおいて最先端の結果 (0.5080 mPQ) を達成しました。
私たちのソース コードとモデルは https://github.com/hustvl/LKCell で入手できます。

要約(オリジナル)

The segmentation of cell nuclei in tissue images stained with the blood dye hematoxylin and eosin (H$\&$E) is essential for various clinical applications and analyses. Due to the complex characteristics of cellular morphology, a large receptive field is considered crucial for generating high-quality segmentation. However, previous methods face challenges in achieving a balance between the receptive field and computational burden. To address this issue, we propose LKCell, a high-accuracy and efficient cell segmentation method. Its core insight lies in unleashing the potential of large convolution kernels to achieve computationally efficient large receptive fields. Specifically, (1) We transfer pre-trained large convolution kernel models to the medical domain for the first time, demonstrating their effectiveness in cell segmentation. (2) We analyze the redundancy of previous methods and design a new segmentation decoder based on large convolution kernels. It achieves higher performance while significantly reducing the number of parameters. We evaluate our method on the most challenging benchmark and achieve state-of-the-art results (0.5080 mPQ) in cell nuclei instance segmentation with only 21.6% FLOPs compared with the previous leading method. Our source code and models are available at https://github.com/hustvl/LKCell.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google