論文の概要: Towards a Complete Pipeline for Segmenting Nuclei in Feulgen-Stained Images

• arxiv url: http://arxiv.org/abs/2002.08331v1
• Date: Wed, 19 Feb 2020 18:14:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 14:31:29.406826
• Title: Towards a Complete Pipeline for Segmenting Nuclei in Feulgen-Stained Images
• Title（参考訳）: Feulgen-Stained Imageにおける核の完全分割パイプラインに向けて
• Authors: Luiz Antonio Buschetto Macarini, Aldo von Wangenheim, Felipe Perozzo Dalto\'e, Alexandre Sherlley Casimiro Onofre, Fabiana Botelho de Miranda Onofre, Marcelo Ricardo Stemmer
• Abstract要約: 頸部がんは世界で2番目に多いがんである。 本稿では,畳み込みニューラルネットワークを用いたフェールゲン安定画像中の核分割のための完全なパイプラインを提案する。 We achieved a overall IoU 0.78, showed the availableability of the approach of nuclear segmentation on Feulgen-stained images。
• 参考スコア（独自算出の注目度）: 52.946144307741974
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cervical cancer is the second most common cancer type in women around the world. In some countries, due to non-existent or inadequate screening, it is often detected at late stages, making standard treatment options often absent or unaffordable. It is a deadly disease that could benefit from early detection approaches. It is usually done by cytological exams which consist of visually inspecting the nuclei searching for morphological alteration. Since it is done by humans, naturally, some subjectivity is introduced. Computational methods could be used to reduce this, where the first stage of the process would be the nuclei segmentation. In this context, we present a complete pipeline for the segmentation of nuclei in Feulgen-stained images using Convolutional Neural Networks. Here we show the entire process of segmentation, since the collection of the samples, passing through pre-processing, training the network, post-processing and results evaluation. We achieved an overall IoU of 0.78, showing the affordability of the approach of nuclei segmentation on Feulgen-stained images. The code is available in: https://github.com/luizbuschetto/feulgen_nuclei_segmentation.
• Abstract（参考訳）: 子宮頸がんは世界で2番目に多いがんである。 一部の国では、非存在または不適切なスクリーニングのため、後期にしばしば検出され、標準的な治療オプションが欠如または耐え難い状態になる。 早期発見アプローチの恩恵を受けうる致命的な疾患である。 通常は細胞学的検査によって行われ、形態変化を探索する核を視覚的に検査する。 人間によって行われるため、自然にいくつかの主観性が導入される。 計算手法は、プロセスの最初の段階が核のセグメンテーションとなるような、この削減に使うことができる。 そこで本研究では,畳み込みニューラルネットワークを用いたフルーゲンステンド画像中の核のセグメンテーションのための完全なパイプラインを提案する。 ここでは、サンプルの収集、前処理、ネットワークのトレーニング、後処理、結果評価など、セグメンテーションの全過程を示す。 全体iouは 0.78 であり, フェルゲンステンド画像に対する核セグメンテーションのアプローチが可能であった。 コードは、https://github.com/luizbuschetto/feulgen_nuclei_segmentationで入手できる。

関連論文リスト

• AWGUNET: Attention-Aided Wavelet Guided U-Net for Nuclei Segmentation in Histopathology Images [26.333686941245197]
  本稿では,U-NetアーキテクチャとDenseNet-121バックボーンを組み合わせたセグメンテーション手法を提案する。 本モデルでは,ウェーブレット誘導チャネルアテンションモジュールを導入し,セル境界のデライン化を促進させる。 その結果,Mouseg と TNBC の2つの病理組織学的データセットを用いて,提案モデルの優位性を実証した。
  論文  参考訳（メタデータ） (2024-06-12T17:10:27Z)
• Diffusion-based Data Augmentation for Nuclei Image Segmentation [68.28350341833526]
  核セグメンテーションのための拡散法を初めて導入する。 このアイデアは、多数のラベル付き画像を合成し、セグメンテーションモデルを訓練することを目的としている。 実験の結果,10%のラベル付き実データセットを合成サンプルで拡張することにより,同等のセグメンテーション結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T06:16:16Z)
• Which Pixel to Annotate: a Label-Efficient Nuclei Segmentation Framework [70.18084425770091]
  ディープニューラルネットワークは、H&E染色病理像の核インスタンスセグメンテーションに広く応用されている。 通常、類似したパターンと冗長なパターンを含む核画像のデータセットに全てのピクセルをラベル付けするのは非効率で不要である。 そこで本研究では,アノテートするイメージパッチを数個だけ選択し,選択したサンプルからトレーニングセットを増強し,半教師付きで核分割を実現する,新しいフル核分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-20T14:53:26Z)
• Omni-Seg: A Single Dynamic Network for Multi-label Renal Pathology Image Segmentation using Partially Labeled Data [6.528287373027917]
  非癌病理学では、学習アルゴリズムにより、より包括的な組織型を同時に調べることができる。 それまでは、ドメイン固有の知識に合わせて複数のセグメンテーションネットワークをトレーニングする必要があった。 パッチワイドの病理画像15万点から学習することにより,提案したOmni-Segネットワークはセグメンテーション精度が向上し,資源消費量も低減した。
  論文  参考訳（メタデータ） (2021-12-23T16:02:03Z)
• Nuclei Segmentation in Histopathology Images using Deep Learning with Local and Global Views [12.549900112862769]
  本稿では,原子核セグメンテーションの深層学習に基づくアプローチを提案する。 パッチ境界領域における誤予測の問題に対処する。 最終セグメンテーションマップの予測にはローカルパッチとグローバルパッチの両方を使用します。
  論文  参考訳（メタデータ） (2021-12-07T21:25:38Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Self-Supervised Nuclei Segmentation in Histopathological Images Using Attention [6.3039500405009665]
  スライド病理組織像全体に対する自己監督的核分割法を提案する。 本手法は, 原子核の大きさとテクスチャが, パッチを抽出した倍率を決定できるという仮定に基づいている。 実験の結果,通常の後処理では,他の非教師なし核分割法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-16T14:49:20Z)
• Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
  本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。 本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-07-10T15:41:29Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。