論文の概要: A fast semi-automatic method for classification and counting the number
and types of blood cells in an image
- arxiv url: http://arxiv.org/abs/2004.08690v1
- Date: Sat, 18 Apr 2020 19:23:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 05:17:26.393550
- Title: A fast semi-automatic method for classification and counting the number
and types of blood cells in an image
- Title（参考訳）: 画像中の血球の数と種類を分類し計数するための高速半自動的方法
- Authors: Hamed Sadeghi, Shahram Shirani, David W. Capson
- Abstract要約: 提案手法は高速で,ホワイトセルの数と位置を正確に計算する。
また、小さな誤差で赤い細胞を探索して数えることができる。
- 参考スコア（独自算出の注目度）: 2.798927292339943
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A novel and fast semi-automatic method for segmentation, locating and
counting blood cells in an image is proposed. In this method, thresholding is
used to separate the nucleus from the other parts. We also use Hough transform
for circles to locate the center of white cells. Locating and counting of red
cells is performed using template matching. We make use of finding local
maxima, labeling and mean value computation in order to shrink the areas
obtained after applying Hough transform or template matching, to a single pixel
as representative of location of each region. The proposed method is very fast
and computes the number and location of white cells accurately. It is also
capable of locating and counting the red cells with a small error.
- Abstract（参考訳）: 画像中の血液細胞をセグメンテーション、位置決定、計数するための新しい高速半自動法を提案する。
この方法では、しきい値は核を他の部分から分離するために用いられる。
また、円に対してハフ変換を用いて、白細胞の中心を見つける。
テンプレートマッチングを用いて赤細胞の配置とカウントを行う。
我々は,Hough変換やテンプレートマッチングを適用して得られた領域を,各領域の位置を表す1ピクセルに縮小するために,局所的な最大値,ラベル,平均値計算を求める。
提案手法は非常に高速で,ホワイトセルの数と位置を正確に計算する。
また、小さな誤差で赤い細胞を探索して数えることができる。
関連論文リスト
- DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。
我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
論文 参考訳（メタデータ） (2024-10-04T00:38:29Z) - 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) - Cherry-Picking Gradients: Learning Low-Rank Embeddings of Visual Data
via Differentiable Cross-Approximation [53.95297550117153]
本稿では,大規模な視覚データテンソルの処理を行うエンドツーエンドのトレーニング可能なフレームワークを提案する。
提案手法は大規模多次元グリッドデータや,大規模受容領域上のコンテキストを必要とするタスクに特に有用である。
論文 参考訳（メタデータ） (2021-05-29T08:39:57Z) - Classification Beats Regression: Counting of Cells from Greyscale
Microscopic Images based on Annotation-free Training Samples [20.91256120719461]
本研究は、注釈付きトレーニング画像を用いることなく、グレースケールの顕微鏡画像から細胞をカウントする教師あり学習フレームワークを提案する。
我々は、セルカウントタスクを画像分類問題として定式化し、セルカウントをクラスラベルとする。
これらの制約に対処するために,未確認の細胞数に対する画像の合成を行う,単純だが効果的なデータ拡張法を提案する。
論文 参考訳（メタデータ） (2020-10-28T06:19:30Z) - Region Growing with Convolutional Neural Networks for Biomedical Image
Segmentation [1.5469452301122177]
本稿では,各座標方向の予測マスク領域を反復的に成長させることにより,畳み込みニューラルネットワーク(CNN)を用いてセグメンテーションを行う手法を提案する。
我々は、CNNの確率スコアのしきい値を用いて、その領域にピクセルが追加され、その領域に新しいピクセルが加わらないまで繰り返し続けるかどうかを判定する。
本手法は,少量のトレーニングデータを活用するとともに,計算効率を保ちながら,高いセグメンテーション精度を達成し,生物学的に現実的な形態的特徴を維持できる。
論文 参考訳（メタデータ） (2020-09-23T17:53:00Z) - White blood cell classification [3.386401892906348]
非均一な色と不均一な照明で血液スミア画像を扱う適応しきい値セグメンテーション法を提案する。
分類・回帰木(CART)に基づく特徴選択アルゴリズムを設計する。
提案手法は99.76%の分類精度を達成し,その有効性をよく示す。
論文 参考訳（メタデータ） (2020-08-17T09:48:12Z) - Image segmentation via Cellular Automata [58.86475603234583]
我々は高解像度画像のセグメンテーションを成功させるセルオートマトンを設計し、訓練する。
私たちの最小のオートマトンは、複雑なセグメンテーションタスクを解決するために1万以下のパラメータを使用します。
論文 参考訳（メタデータ） (2020-08-11T19:04:09Z) - Split and Expand: An inference-time improvement for Weakly Supervised
Cell Instance Segmentation [71.50526869670716]
本研究では,分割マップのインスタンスへの変換を改善するために,2段階の後処理手順であるSplitとExpandを提案する。
Splitのステップでは,セルの集合をセグメント化マップから個々のセルインスタンスに分割し,セル中心の予測を導出する。
拡張ステップでは、細胞中心予測を用いて、小さな細胞が欠落していることが分かる。
論文 参考訳（メタデータ） (2020-07-21T14:05:09Z) - Ball k-means [53.89505717006118]
Ball k-meansアルゴリズムは、ポイントセントロイド距離計算の削減に集中して、クラスタを記述するためにボールを使用する。
高速、余分なパラメータなし、単純設計のボールk平均アルゴリズムは、素早いk平均アルゴリズムを全面的に置き換える。
論文 参考訳（メタデータ） (2020-05-02T10:39:26Z) - Robust Method for Semantic Segmentation of Whole-Slide Blood Cell
Microscopic Image [2.045195400926714]
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。
論文 参考訳（メタデータ） (2020-01-28T06:32:21Z)
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。