Краткое содержание

arXiv:2511.04892v1 Тип объявления: кросс Аннотация: Сегментация ядер является ключевой задачей чтения гистологических изображений, проливая свет на лежащие в основе молекулярные паттерны и приводя к диагностике заболеваний или рака. Тем не менее, эта задача требует значительных усилий и экспертных знаний от квалифицированных врачей. Большая вариабельность ядер среди различных тканей органов и процессов получения изображений затрудняет автоматизацию данной задачи. В свою очередь, получение аннотаций данных обходится дорого, вследствие чего модели глубокого обучения испытывают трудности с обобщением на невидимые органы или другие домены. Настоящая работа предлагает методику Local-to-Global NuSegHop (LG-NuSegHop) — самонастраиваемый конвейер, разработанный на основе априорных знаний о задаче и молекулярной биологии. Конвейер состоит из трех отдельных модулей: (1) набора локальных операций обработки для формирования псевдомаркировки, (2) NuSegHop — новой, основанной на данных модели извлечения признаков и (3) набора глобальных операций для постобработки прогнозов NuSegHop. Важно отметить, что даже несмотря на...