PointNu-Net: キーポイント支援型畳み込みニューラルネットワークによる同時多組織組織学的核分割および分類

自動核分割と分類はデジタル病理学において重要な役割を果たしています。しかし、これまでの研究は主に多様性が限られ、データサイズが小さいものに基づいて行われており、実際の下流タスクにおいて結果が疑問視されたり誤導的になったりする可能性があります。本論文では、「臨床現場」で得られるデータに対処できる信頼性と堅牢性の高い手法の構築を目指します。具体的には、ヘマトキシリン・エオシン（H&E）染色組織病理データから核を同時に検出、分割、分類する新しい手法を開発し、最近公開された最大規模のデータセットであるPanNukeを使用して当該手法を評価しました。我々は各核の中心点を決定するために、新たな意味的なキーポイント推定問題として核の検出と分類に取り組みました。次に、動的インスタンスセグメンテーションを使用して、各核中心点に対応するクラス非依存マスクを取得しました。さらに、クロススケール依存関係をモデル化し、局所特徴量を強化することでより良い核検出と分類を達成するため、新しいジョイントピラミッド融合モジュール（Joint Pyramid Fusion Module, JPFM）を提案しました。二つの同時進行の難易度が高い課題を解消し、JPFMの利点を利用することで、当手法はクラス依存検出とクラス非依存セグメンテーションから恩恵を受け、大幅な性能向上につながります。我々は19種類の異なる組織における核分割と分類に対する提案手法の優れた性能を示しており、新たなベンチマーク結果を提供しています。