LKCell: 大規模畳み込みカーネルを用いた効率的な細胞核インスタンスセグメンテーション

LKCell: Efficient Cell Nuclei Instance Segmentation with Large Convolution Kernels

July 25, 2024

著者: Ziwei Cui, Jingfeng Yao, Lunbin Zeng, Juan Yang, Wenyu Liu, Xinggang Wang

cs.AI

要旨

血液染色剤であるヘマトキシリン・エオシン（H&E）で染色された組織画像における細胞核のセグメンテーションは、様々な臨床応用や分析において不可欠です。細胞形態の複雑な特性により、高品質なセグメンテーションを生成するためには、大きな受容野が重要であると考えられています。しかし、従来の手法では、受容野と計算負荷のバランスを取ることが課題となっていました。この問題を解決するため、我々は高精度かつ効率的な細胞セグメンテーション手法であるLKCellを提案します。その核心的な洞察は、大きな畳み込みカーネルの潜在能力を引き出し、計算効率の良い大きな受容野を実現することにあります。具体的には、(1) 事前学習済みの大きな畳み込みカーネルモデルを初めて医療分野に転用し、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) 従来手法の冗長性を分析し、大きな畳み込みカーネルに基づく新しいセグメンテーションデコーダを設計します。これにより、パラメータ数を大幅に削減しながら、より高い性能を達成します。我々の手法を最も困難なベンチマークで評価し、細胞核インスタンス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。これは、従来の主要な手法と比較してわずか21.6%のFLOPsで実現されています。ソースコードとモデルはhttps://github.com/hustvl/LKCellで公開しています。

English

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.