PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.07222v1cs.CV

DualGate-Net: 조직병리학 세포 검출을 위한 사전 정보 게이팅 듀얼 인코더 프레임워크

DualGate-Net: A Prior-Gated Dual-Encoder Framework for Histopathology Cell Detection

조직병리학 이미지에서의 세포 검출은 주변 조직 문맥(context)에 크게 의존하며, 시각적으로 유사한 세포라도 서로 다른 미세 환경(microenvironment)에서는 다른 클래스에 속할 수 있다. 최근 조직 인식(tissue-aware) 방법들은 문맥적 사전 정보(contextual priors)를 통합하지만, 종종 노이즈가 있는 정보를 전파할 수 있는 정적 융합(static fusion) 전략에 의존한다. 본 연구에서는 ConvNeXtV2 기반 지역(local) 인코더와 SegFormer 기반 전역(global) 인코더를 학습 가능한 사전 정보 게이팅 융합 메커니즘으로 결합하는 사전 정보 인식(prior-aware) 듀얼 인코더 프레임워크인 DualGate-Net을 제안한다. 제안 모듈은 공간적 위치에 걸쳐 조직 사전 정보의 영향을 적응적으로 조절하며, 보조 전경(foreground) 재구성 분기는 학습 중 고주파 세포 구조를 보존한다. 또한 보조 cellness 유도 단서(cues)를 통합하여 국소화(localization) 견고성(robustness)을 더욱 향상시킨다. OCELOT 벤치마크(benchmark)에서의 실험은 일관된 성능 향상을 보여주며, 검증 세트에서 매크로 F1 점수 0.7722, 테스트 세트에서 0.7345를 달성하여 견고한 조직병리학 세포 검출을 위한 적응형 사전 정보 통합의 효과를 입증한다.