論文の概要: A Multi-scale CNN-CRF Framework for Environmental Microorganism Image Segmentation

• arxiv url: http://arxiv.org/abs/2003.03744v2
• Date: Wed, 8 Jul 2020 12:32:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 14:24:37.815459
• Title: A Multi-scale CNN-CRF Framework for Environmental Microorganism Image Segmentation
• Title（参考訳）: 環境微生物画像分割のためのマルチスケールCNN-CRFフレームワーク
• Authors: Jinghua Zhang, Chen Li, Frank Kulwa, Xin Zhao, Changhao Sun, Zihan Li, Tao Jiang, Hong Li, and Shouliang Qi
• Abstract要約: 本稿では,EM画像分割のためのマルチスケールCNN-CRF(MSCC)フレームワークを提案する。 実験では、420 EM画像の最先端手法と比較して、355 MBから103 MBまでのメモリ要求を削減した。
• 参考スコア（独自算出の注目度）: 18.272242424987763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To assist researchers to identify Environmental Microorganisms (EMs) effectively, a Multiscale CNN-CRF (MSCC) framework for the EM image segmentation is proposed in this paper. There are two parts in this framework: The first is a novel pixel-level segmentation approach, using a newly introduced Convolutional Neural Network (CNN), namely, "mU-Net-B3", with a dense Conditional Random Field (CRF) postprocessing. The second is a VGG-16 based patch-level segmentation method with a novel "buffer" strategy, which further improves the segmentation quality of the details of the EMs. In the experiment, compared with the state-of-the-art methods on 420 EM images, the proposed MSCC method reduces the memory requirement from 355 MB to 103 MB, improves the overall evaluation indexes (Dice, Jaccard, Recall, Accuracy) from 85.24%, 77.42%, 82.27%, and 96.76% to 87.13%, 79.74%, 87.12%, and 96.91%, respectively, and reduces the volume overlap error from 22.58% to 20.26%. Therefore, the MSCC method shows great potential in the EM segmentation field.
• Abstract（参考訳）: 研究者が環境微生物(EM)を効果的に識別するのを支援するために,EM画像セグメンテーションのためのマルチスケールCNN-CRF(MSCC)フレームワークを提案する。 1つは新しいピクセルレベルのセグメンテーションアプローチで、新しく導入された畳み込みニューラルネットワーク(CNN)、すなわち「mU-Net-B3」と高密度条件ランダムフィールド(CRF)後処理を使用する。 2つ目はvgg-16ベースのパッチレベルのセグメンテーション法で、新しい"バッファ"戦略により、emsの詳細のセグメンテーション品質がさらに向上する。 実験では、420 EM画像の最先端手法と比較して、提案したMSCC法はメモリ要求を355 MBから103 MBに減らし、総合評価指標(Dice, Jaccard, Recall, Accuracy)を85.24%、77.42%、82.27%、96.76%から87.13%、79.74%、87.12%、96.91%に改善し、22.58%から20.26%に減らした。 したがって、MSCC法は、EMセグメンテーション分野において大きなポテンシャルを示す。

関連論文リスト

• Resource-Efficient Heartbeat Classification Using Multi-Feature Fusion and Bidirectional LSTM [0.0]
  多機能核融合と双方向長短期記憶(Bi-LSTM)を用いた心電図(ECG)を用いた心拍分類の資源効率向上手法を提案する。 このデータセットは、MIT-BIH Arrhythmia Database: Normal (N)、Left Bundle Branch Block (LBBB)、Right Bundle Branch Block (RBBB)、Premature Ventricular Contraction (PVC)、Paced Beat (PB)の5つのオリジナルクラスで構成されている。
  論文  参考訳（メタデータ） (2024-05-24T07:53:27Z)
• MLN-net: A multi-source medical image segmentation method for clustered microcalcifications using multiple layer normalization [8.969596531778121]
  本稿では,MLN-netという新しいフレームワークを提案する。 本稿では,異なる領域のクラスタ化マイクロ石灰化セグメンテーションにおけるMLN-netの有効性を検証した。
  論文  参考訳（メタデータ） (2023-09-06T05:56:30Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• Improving Pixel-based MIM by Reducing Wasted Modeling Capability [77.99468514275185]
  浅い層から低レベルの特徴を明示的に利用して画素再構成を支援する手法を提案する。 私たちの知る限りでは、等方的アーキテクチャのためのマルチレベル特徴融合を体系的に研究するのは、私たちは初めてです。 提案手法は, 微調整では1.2%, 線形探索では2.8%, セマンティックセグメンテーションでは2.6%など, 大幅な性能向上をもたらす。
  論文  参考訳（メタデータ） (2023-08-01T03:44:56Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Generative Adversarial Networks for Weakly Supervised Generation and Evaluation of Brain Tumor Segmentations on MR Images [0.0]
  本研究は2次元磁気共鳴画像におけるセグメント異常に対する弱教師付きアプローチを示す。 我々は,癌画像を健全な変種に変換するGAN(Generative Adversarial Network)を訓練する。 非共役な変種は、弱監督的な方法で分割を評価するためにも用いられる。
  論文  参考訳（メタデータ） (2022-11-10T00:04:46Z)
• Segmentation of Weakly Visible Environmental Microorganism Images Using Pair-wise Deep Learning Features [7.837413642215894]
  本研究では,Pairwise Deep Learning Feature Network (PDLF-Net)を提案する。 PDLFを使用することで、各画像の対角深層学習機能をベースモデルのSegNetの異なるブロックに結合することにより、ネットワークはフォアグラウンド(EM)にもっと集中することができる。 PDLF-Netは89.24%、63.20%、77.27%、35.15%、89.72%、91.44%、89.30%という優れたセグメンテーション結果を達成する。
  論文  参考訳（メタデータ） (2022-08-31T16:37:52Z)
• 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)
• A Systematic Approach for MRI Brain Tumor Localization, and Segmentation using Deep Learning and Active Contouring [0.0]
  腫瘍境界のアノテーションとセグメンテーションのための3倍のディープラーニングアーキテクチャを提案する。 Chan-Vesesegmentationアルゴリズムを用いて, セグメンテーションプロセスの腫瘍境界を検出する。 グリオーマと髄膜腫のセグメンテーションにおける提案アーキテクチャの全体的な性能は平均的なサイススコア0.92である。
  論文  参考訳（メタデータ） (2021-02-06T07:53:02Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• DeepEMD: Differentiable Earth Mover's Distance for Few-Shot Learning [122.51237307910878]
  我々は,画像領域間の最適なマッチングの新しい視点から,少数ショット画像分類法を開発した。 我々は、高密度画像表現間の構造距離を計算するために、Earth Mover's Distance (EMD) を用いている。 定式化において重要な要素の重みを生成するために,我々は相互参照機構を設計する。
  論文  参考訳（メタデータ） (2020-03-15T08:13:16Z)

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。