LKCell: 대형 컨볼루션 커널을 활용한 효율적인 세포 핵 인스턴스 분할

LKCell: Efficient Cell Nuclei Instance Segmentation with Large Convolution Kernels

July 25, 2024

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

cs.AI

초록

혈액 염색제인 헤마톡실린과 에오신(H&E)으로 염색된 조직 이미지에서 세포 핵의 분할은 다양한 임상 응용 및 분석에 필수적입니다. 세포 형태학의 복잡한 특성으로 인해, 고품질 분할을 생성하기 위해서는 넓은 수용 영역이 중요하게 여겨집니다. 그러나 기존 방법들은 수용 영역과 계산 부담 사이의 균형을 달성하는 데 어려움을 겪고 있습니다. 이 문제를 해결하기 위해, 우리는 LKCell이라는 고정확도이면서 효율적인 세포 분할 방법을 제안합니다. 이 방법의 핵심 통찰은 큰 컨볼루션 커널의 잠재력을 활용하여 계산적으로 효율적인 넓은 수용 영역을 달성하는 데 있습니다. 구체적으로, (1) 우리는 사전 훈련된 큰 컨볼루션 커널 모델을 의료 영역에 처음으로 전이시켜, 세포 분할에서의 효과를 입증합니다. (2) 우리는 기존 방법의 중복성을 분석하고, 큰 컨볼루션 커널을 기반으로 한 새로운 분할 디코더를 설계합니다. 이 디코더는 더 높은 성능을 달성하면서도 매개변수 수를 크게 줄입니다. 우리는 가장 도전적인 벤치마크에서 이 방법을 평가하고, 이전의 선두 방법 대비 단 21.6%의 FLOPs로 세포 핵 인스턴스 분할에서 최첨단 결과(0.5080 mPQ)를 달성했습니다. 우리의 소스 코드와 모델은 https://github.com/hustvl/LKCell에서 확인할 수 있습니다.

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.