基于VMamba与Transformer的三分类宫颈细胞分割方法用于宫颈癌筛查

《Information》：A Novel VMamba-Based Deep Learning Model for Accurate Nuclei and Cytoplasm Segmentation in Cervical Cytology Images

　　宫颈癌仍是全球面临的主要公共卫生挑战之一，而强有力的筛查能力依然是预防该疾病最有效的策略。在此背景下，图像分割在筛查流程中发挥着至关重要的作用，因为它能够实现更精确的细胞形态特征分析，从而提高诊断准确性。本文提出了一种三分类细胞分割方法，将细胞分为细胞核、细胞质和背景三类，该方法结合了VMamba骨干网络与基于Transformer的分割头部。该模型在Herlev数据集上进行微调，在细胞质分割任务中以中等优势超越了当前最优方法，并在细胞核分割任务中取得了具有竞争力的优良表现。在细胞核和细胞质分割任务中，该模型的平均得分分别为：Dice系数0.9372、IoU 0.8819、精确率0.9217、召回率0.9551。这些结果表明，所提出的分割模型适合用于辅助专家有效评估宫颈细胞病变。