IAUNet: インスタンス認識U-Net
IAUNet: Instance-Aware U-Net
August 3, 2025
著者: Yaroslav Prytula, Illia Tsiporenko, Ali Zeynalli, Dmytro Fishman
cs.AI
要旨
インスタンスセグメンテーションは、生体医学画像において、細胞などの個々のオブジェクトを正確に区別するために重要であり、これらのオブジェクトはしばしば重なり合い、サイズも多様である。最近では、オブジェクトクエリがセグメンテーションを導くクエリベースの手法が高い性能を示している。U-Netは医療画像セグメンテーションにおいて標準的なアーキテクチャであるが、クエリベースのアプローチにおけるその潜在能力はほとんど未開拓である。本研究では、IAUNetという新しいクエリベースのU-Netアーキテクチャを提案する。コアデザインは、完全なU-Netアーキテクチャを基盤とし、新たに開発された軽量な畳み込みピクセルデコーダによって強化されており、モデルの効率性を向上させ、パラメータ数を削減している。さらに、複数のスケールにわたってオブジェクト固有の特徴を洗練するTransformerデコーダを提案する。最後に、2025 Revvity Full Cell Segmentation Datasetを紹介する。これは、明視野画像における重なり合う細胞質の詳細なアノテーションを提供するユニークなリソースであり、生体医学インスタンスセグメンテーションの新たなベンチマークを設定するものである。複数の公開データセットおよび独自のデータセットを用いた実験により、IAUNetは、最先端の完全畳み込みモデル、Transformerベースモデル、クエリベースモデル、および細胞セグメンテーション専用モデルのほとんどを凌駕し、細胞インスタンスセグメンテーションタスクにおいて強力なベースラインを確立することを示した。コードはhttps://github.com/SlavkoPrytula/IAUNetで公開されている。
English
Instance segmentation is critical in biomedical imaging to accurately
distinguish individual objects like cells, which often overlap and vary in
size. Recent query-based methods, where object queries guide segmentation, have
shown strong performance. While U-Net has been a go-to architecture in medical
image segmentation, its potential in query-based approaches remains largely
unexplored. In this work, we present IAUNet, a novel query-based U-Net
architecture. The core design features a full U-Net architecture, enhanced by a
novel lightweight convolutional Pixel decoder, making the model more efficient
and reducing the number of parameters. Additionally, we propose a Transformer
decoder that refines object-specific features across multiple scales. Finally,
we introduce the 2025 Revvity Full Cell Segmentation Dataset, a unique resource
with detailed annotations of overlapping cell cytoplasm in brightfield images,
setting a new benchmark for biomedical instance segmentation. Experiments on
multiple public datasets and our own show that IAUNet outperforms most
state-of-the-art fully convolutional, transformer-based, and query-based models
and cell segmentation-specific models, setting a strong baseline for cell
instance segmentation tasks. Code is available at
https://github.com/SlavkoPrytula/IAUNet