摘要

在使用血液染料苏木精和伊红（H&E）染色的组织图像中，细胞核的分割对于多种临床应用和分析至关重要。由于细胞形态的复杂特性，较大的感受野被认为是生成高质量分割的关键因素。然而，以往的方法在实现感受野与计算负担之间的平衡时面临挑战。为了解决这一问题，我们提出了一种高精度且高效的细胞分割方法——LKCell。其核心思想在于释放大卷积核的潜力，以实现计算效率较高的大感受野。具体而言：(1) 我们首次将预训练的大卷积核模型迁移到医学领域，并证明了其在细胞分割中的有效性。(2) 我们分析了以往方法中的冗余部分，并基于大卷积核设计了一种新的分割解码器。该解码器不仅显著减少了参数数量，还实现了更高的性能。我们在最具挑战性的基准数据集上评估了我们的方法，在仅使用前导方法21.6%的浮点运算量的情况下，达到了细胞核实例分割的最先进水平（0.5080 mPQ）。我们的源代码和模型可在 https://github.com/hustvl/LKCell 获取。