論文の概要: Robust Method for Semantic Segmentation of Whole-Slide Blood Cell Microscopic Image

• arxiv url: http://arxiv.org/abs/2001.10188v1
• Date: Tue, 28 Jan 2020 06:32:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 02:08:13.705967
• Title: Robust Method for Semantic Segmentation of Whole-Slide Blood Cell Microscopic Image
• Title（参考訳）: 全スライディング血球顕微鏡画像のセマンティックセグメンテーションのためのロバスト法
• Authors: Muhammad Shahzad, Arif Iqbal Umar, Muazzam A. Khan, Syed Hamad Shirazi, Zakir Khan, and Waqas Yousaf
• Abstract要約: 画素レベルの特徴抽出モデルとして,VGG-16とともに新しい畳み込みエンコーダデコーダフレームワークを設計する。 RBCは97.45%,93.34%,血小板は85.11%であった。
• 参考スコア（独自算出の注目度）: 2.045195400926714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Previous works on segmentation of SEM (scanning electron microscope) blood cell image ignore the semantic segmentation approach of whole-slide blood cell segmentation. In the proposed work, we address the problem of whole-slide blood cell segmentation using the semantic segmentation approach. We design a novel convolutional encoder-decoder framework along with VGG-16 as the pixel-level feature extraction model. -e proposed framework comprises 3 main steps: First, all the original images along with manually generated ground truth masks of each blood cell type are passed through the preprocessing stage. In the preprocessing stage, pixel-level labeling, RGB to grayscale conversion of masked image and pixel fusing, and unity mask generation are performed. After that, VGG16 is loaded into the system, which acts as a pretrained pixel-level feature extraction model. In the third step, the training process is initiated on the proposed model. We have evaluated our network performance on three evaluation metrics. We obtained outstanding results with respect to classwise, as well as global and mean accuracies. Our system achieved classwise accuracies of 97.45%, 93.34%, and 85.11% for RBCs, WBCs, and platelets, respectively, while global and mean accuracies remain 97.18% and 91.96%, respectively.
• Abstract（参考訳）: 走査型電子顕微鏡(SEM)細胞像のセグメンテーションに関する研究は、全スライディング細胞セグメンテーションのセグメンテーションアプローチを無視している。 提案する研究では, セマンティックセグメンテーションアプローチを用いて全スライド血球分画の問題に対処する。 画素レベルの特徴抽出モデルとして,VGG-16とともに新しい畳み込みエンコーダデコーダフレームワークを設計する。 提案するフレームワークは3つの主要なステップで構成されている。 まず, 各血液型を手動で生成した地中真理マスクとともに, 原画像はすべて前処理段階を通り抜ける。 前処理段階では、画素レベルラベリング、RGBをマスク画像のグレースケール変換、画素融合、ユニティマスク生成を行う。 その後、VGG16をシステムにロードし、事前訓練された画素レベルの特徴抽出モデルとして機能する。 3番目のステップでは、提案モデルに基づいてトレーニングプロセスを開始する。 ネットワーク性能を3つの評価指標で評価した。 我々は, 学級別, グローバル化, 平均化について, 優れた結果を得た。 RBC, WBC, 血小板は97.45%, 93.34%, 85.11%, 平均値はそれぞれ97.18%, 91.96%であった。

関連論文リスト

• Multi-stream Cell Segmentation with Low-level Cues for Multi-modality Images [66.79688768141814]
  我々は,顕微鏡画像のラベル付けを行うセル分類パイプラインを開発した。 次に、分類ラベルに基づいて分類モデルを訓練する。 2種類のセグメンテーションモデルを、丸みを帯びた形状と不規則な形状のセグメンテーションセルに展開する。
  論文  参考訳（メタデータ） (2023-10-22T08:11:08Z)
• HybridMIM: A Hybrid Masked Image Modeling Framework for 3D Medical Image Segmentation [29.15746532186427]
  HybridMIMは3次元医用画像セグメンテーションのためのマスク付き画像モデリングに基づく新しいハイブリッド自己教師型学習手法である。 医用画像の意味情報を3段階に分けて学習し,1)3次元画像の重要な内容を再構成する部分領域予測を行うことにより,トレーニング前の時間負担を大幅に軽減する。 提案するフレームワークは,エンコーダバックボーンとしてCNNとトランスフォーマーの両方をサポートするとともに,イメージセグメンテーションのためのデコーダの事前トレーニングも可能である。
  論文  参考訳（メタデータ） (2023-03-18T04:43:12Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Tooth Instance Segmentation on Panoramic Dental Radiographs Using U-Nets and Morphological Processing [0.0]
  画像内のオブジェクトが分離されたセグメンテーションマップを得るための後処理ステージを提案する。 提案したポストプロセッシング段階により, 歯数の平均誤差は6.15%, ポストプロセッシングのない誤差は26.81%に減少した。
  論文  参考訳（メタデータ） (2022-03-31T21:11:51Z)
• Unsupervised Domain Adaptation with Contrastive Learning for OCT Segmentation [49.59567529191423]
  本稿では,新しい未ラベル領域からのボリューム画像のセグメンテーションのための,新しい半教師付き学習フレームワークを提案する。 教師付き学習とコントラスト学習を併用し、3次元の近傍スライス間の類似性を利用したコントラストペア方式を導入する。
  論文  参考訳（メタデータ） (2022-03-07T19:02:26Z)
• Ensemble of CNN classifiers using Sugeno Fuzzy Integral Technique for Cervical Cytology Image Classification [1.6986898305640261]
  頸がんの単細胞画像とスライド画像の分類を完全自動化するコンピュータ支援診断ツールを提案する。 我々は、Sugeno Fuzzy Integralを使用して、Inception v3、DenseNet-161、ResNet-34という3つの人気のあるディープラーニングモデルの意思決定スコアをアンサンブルする。
  論文  参考訳（メタデータ） (2021-08-21T08:41:41Z)
• Automatic size and pose homogenization with spatial transformer network to improve and accelerate pediatric segmentation [51.916106055115755]
  空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。 私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。 腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
  論文  参考訳（メタデータ） (2021-07-06T14:50:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。