論文の概要: Roto-Translation Equivariant Convolutional Networks: Application to Histopathology Image Analysis

• arxiv url: http://arxiv.org/abs/2002.08725v1
• Date: Thu, 20 Feb 2020 13:44:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 07:53:57.791421
• Title: Roto-Translation Equivariant Convolutional Networks: Application to Histopathology Image Analysis
• Title（参考訳）: roto-translation equivariant convolutional networks : 病理組織学的画像解析への応用
• Authors: Maxime W. Lafarge, Erik J. Bekkers, Josien P.W. Pluim, Remco Duits, Mitko Veta
• Abstract要約: 畳み込みネットワークにおける特殊ユークリッド運動群SE(2)の幾何学的構造を符号化する枠組みを提案する。 提案手法を用いることで,一貫した性能向上が達成できることを示す。
• 参考スコア（独自算出の注目度）: 11.568329857588099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rotation-invariance is a desired property of machine-learning models for medical image analysis and in particular for computational pathology applications. We propose a framework to encode the geometric structure of the special Euclidean motion group SE(2) in convolutional networks to yield translation and rotation equivariance via the introduction of SE(2)-group convolution layers. This structure enables models to learn feature representations with a discretized orientation dimension that guarantees that their outputs are invariant under a discrete set of rotations. Conventional approaches for rotation invariance rely mostly on data augmentation, but this does not guarantee the robustness of the output when the input is rotated. At that, trained conventional CNNs may require test-time rotation augmentation to reach their full capability. This study is focused on histopathology image analysis applications for which it is desirable that the arbitrary global orientation information of the imaged tissues is not captured by the machine learning models. The proposed framework is evaluated on three different histopathology image analysis tasks (mitosis detection, nuclei segmentation and tumor classification). We present a comparative analysis for each problem and show that consistent increase of performances can be achieved when using the proposed framework.
• Abstract（参考訳）: 回転不変性は、医学画像解析、特に計算病理学への応用において機械学習モデルの望ましい性質である。 畳み込みネットワークにおける特殊ユークリッド運動群 se(2) の幾何学的構造をエンコードする枠組みを提案し,se(2)-群畳み込み層の導入による変換と回転同分散を実現する。 この構造により、モデルは離散化された向きの次元で特徴表現を学習することができ、その出力が離散的な回転集合の下で不変であることを保証できる。 回転不変性に対する従来のアプローチは、主にデータ拡張に依存するが、入力が回転したときの出力のロバスト性を保証するものではない。 その際、訓練された従来のCNNは、全能力に到達するためにテストタイムのローテーションを必要とする可能性がある。 本研究は, 画像組織の任意の大域的方位情報を機械学習モデルで捉えないことが望ましい病理組織画像解析への応用に焦点をあてた。 提案手法は, 3種類の病理組織像解析タスク (ミトコンドリアの検出, 核分割, 腫瘍分類) で評価される。 本稿では,各問題の比較分析を行い,提案フレームワークを用いることで,一貫した性能向上が達成可能であることを示す。

関連論文リスト

• Advancing Medical Image Segmentation: Morphology-Driven Learning with Diffusion Transformer [4.672688418357066]
  本稿では,雑音の存在下での頑健なセグメンテーションのためのトランスフォーマー拡散(DTS)モデルを提案する。 画像の形態的表現を解析する本モデルでは, 種々の医用画像モダリティにおいて, 従来のモデルよりも良好な結果が得られた。
  論文  参考訳（メタデータ） (2024-08-01T07:35:54Z)
• Boosting Medical Image Segmentation Performance with Adaptive Convolution Layer [6.887244952811574]
  UCTransNetのような先進的なディープラーニングモデルに先立つ適応層を提案する。 我々のアプローチは、多様な解剖学的構造と微妙な画像の詳細を扱うネットワークの能力を高める。 従来のCNNよりも、同じ数のパラメータで固定されたカーネルサイズで一貫してパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2024-04-17T13:18:39Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
  RIDEは回転同変検出と不変記述のための学習に基づく手法である。 内視鏡画像の大規模なキュレーションを自己指導的に行う。 マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2023-09-18T08:16:30Z)
• Beyond CNNs: Exploiting Further Inherent Symmetries in Medical Image Segmentation [21.6412682130116]
  より正確な表現を学習するために、これらの固有対称性を符号化することで、新しいグループ同変セグメンテーションフレームワークを提案する。 GER-UNet(Group Equivariant Res-UNet)が通常のCNNよりも優れていることを示す。 新たに構築されたGER-UNetは、サンプルの複雑さとフィルタの冗長性を減少させる可能性を示している。
  論文  参考訳（メタデータ） (2022-07-29T04:28:20Z)
• 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)
• 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)
• SI-Score: An image dataset for fine-grained analysis of robustness to object location, rotation and size [95.00667357120442]
  オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。 合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
  論文  参考訳（メタデータ） (2021-04-09T05:00:49Z)
• Orientation-Disentangled Unsupervised Representation Learning for Computational Pathology [6.468635277309852]
  本稿では,回転同変畳み込みネットワークの群構造を利用して,変分自動エンコーダフレームワークの拡張を提案する。 訓練されたモデルが単一セル画像の固有方向情報を効率的に切り離すことを示す。
  論文  参考訳（メタデータ） (2020-08-26T16:57:45Z)
• 3D Solid Spherical Bispectrum CNNs for Biomedical Texture Analysis [3.579867431007686]
  局所回転不変量 (LRI) 演算子は生物医学的テクスチャ解析において大きな可能性を示している。 浅層畳み込みニューラルネットワーク(CNN)に埋め込まれたLRI層の設計におけるスペクトル上の双スペクトルを用いた3次元画像解析の利点について検討する。
  論文  参考訳（メタデータ） (2020-04-28T09:01:13Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。