近日,华侨大学柳培忠教授课题组联合福建医科大学附属泉州第一医院病理科在数字病理领域取得新的研究进展。
在《The American Journal of Pathology》上发表题为“ECMTrans-net: Multi-class Segmentation Network Based on Tumor Tissue in Endometrial Cancer Pathology Images”的论文,论文链接:https://doi.org/10.1016/j.ajpath.2024.10.008。《AMERICAN JOURNAL OF PATHOLOGY》是1925年Elsevier Inc.出版的期刊,论文第一作者是华侨大学医学院硕士研究生杨彤。
子宫内膜癌是女性生殖系统中发病率第二高的恶性肿瘤,准确高效的子宫内膜癌病理图像分析是计算机辅助诊断的重要研究内容之一。然而,子宫内膜癌病理图像存在着实性肿瘤较小、病变部位形态各异、难以区分实性和非实性肿瘤等挑战,这将影响后续病理分析的准确性。为此,提出了一种子宫内膜癌多类变换器网络(ECM Transformer-net),以提高子宫内膜癌病理图像的分割精度。一方面,提出了一种ECM-Attention,它可以沿着三个独立的维度(通道、局部空间和全局空间)依次推断注意力图,并将注意力图与输入特征图相乘以进行自适应特征细化,解决了小尺寸实性肿瘤和非实性肿瘤的相似特征问题,进一步提高了实性肿瘤分割的准确性。另一方面,提出了一种ECM Transformer,它可以融合多类特征信息并动态调整感受野,解决了复杂肿瘤特征的问题。对实性肿瘤子宫内膜癌病理(ST-ECP)数据集的实验表明,ECMTrans-net的表现优于最先进的图像分割方法,准确率、MloU、精度和Dice的平均值分别为0.952、0.927、0.931和0.901。