본 논문은 디지털 병리학에서 세포 수준 분석 도구 개발의 어려움(데이터 해상도, 불일치하는 주석, 높은 계산 요구량, 새로운 기술 통합의 어려움)을 해결하기 위해 경량화되고 확장 가능한 세포 분할 및 분류 모델을 제시합니다. PanNuke와 MoNuSAC 데이터셋의 주석을 개선하고 통합된 데이터셋을 생성한 후, H-Optimus 기반 모델을 활용하여 특징 표현을 개선하고 동시 분할 및 분류 작업을 수행합니다. 계산 비용을 줄이기 위해 지식 증류를 통해 모델 크기와 복잡성을 줄이고, QuPath 플랫폼에 통합합니다. 실험 결과, H-Optimus 기반 모델은 CNN 기반 모델에 비해 성능이 향상되었으며($R^2$: 0.575 → 0.871, $PQ$: 0.450 → 0.492), 지식 증류를 통해 매개변수 수는 48분의 1로 감소했습니다. 이 접근법은 진단 개선, 병리학자 업무량 감소, 결과 향상에 기여할 수 있지만, 임상 적용 전 광범위한 검증이 필요합니다.
