研究人员开发了 DualGate-Net，一种用于检测组织病理学图像中细胞的新型框架。该系统采用双编码器方法，结合局部和全局编码器以及可学习的先验门控融合机制，以自适应地整合组织上下文。在 OCELOT 基准上的实验显示性能有所提高，在验证集上的宏 F1 分数为 0.7722，在测试集上的宏 F1 分数为 0.7345。 AI
影响 提高了医学成像中的细胞检测准确性，可能改进诊断工具。
排序理由 该集群包含一篇详细介绍新方法和基准结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.07222v1 Announce Type: cross Abstract: Cell detection in histopathology images strongly depends on surrounding tissue context, where visually similar cells may belong to different classes under different microenvironments. Recent tissue-aware methods incorporate contex…
Cell detection in histopathology images strongly depends on surrounding tissue context, where visually similar cells may belong to different classes under different microenvironments. Recent tissue-aware methods incorporate contextual priors, but often rely on static fusion strat…