Core Concepts
腎臓病理の全景セグメンテーションにおける空間的相互関係のモデリングを効果的に行うためのトークンベースダイナミックセグメンテーションネットワークを開発しました。
Abstract
この研究では、複雑な解剖構造間の空間的相互関係を効果的にモデリングするために、トークンベースダイナミックセグメンテーションネットワークであるPrPSegを開発しました。この革新的なアプローチは、データセットが拡大しても同じアーキテクチャフレームワークを一貫して使用し、普遍命題行列を導入しました。この行列は、複雑な解剖関係を計算機モデリング概念に変換します。さらに、新規解剖損失関数を導入し、これらの空間的関係を半教師あり学習を通じてトレーニングプロセスに統合しました。私たちのアルゴリズムは、腎臓病理学領域で包括的な全景セグメンテーションを達成した最初の深層学習アルゴリズムとして知られています。
Stats
8つの異なる組繧から成る部分ラベル付きデータセット
512×512ピクセルサイズへの画像前処理
Adamオプティマイザーと初期学習率0.001の使用
Quotes
"Omni-seg: A scale-aware dynamic network for renal pathological image segmentation." - Ruining Deng et al.
"Our work introduces a token-based dynamic head network designed to achieve panoramic renal pathology segmentation." - Ruining Deng et al.