論文の概要: A CNN Framenwork Based on Line Annotations for Detecting Nematodes in Microscopic Images

• arxiv url: http://arxiv.org/abs/2004.09795v1
• Date: Tue, 21 Apr 2020 07:48:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 06:11:36.669184
• Title: A CNN Framenwork Based on Line Annotations for Detecting Nematodes in Microscopic Images
• Title（参考訳）: 線アノテーションを用いた顕微鏡画像における線虫検出のためのCNNフラメンワーク
• Authors: Long Chen, Martin Strauch, Matthias Daub, Xiaochen Jiang, Marcus Jansen, Hans-Georg Luigs, Susanne Schultz-Kuhlmann, Stefan Kr\"ussel, Dorif Merhof
• Abstract要約: 畳み込みニューラルネットワーク(CNN)を用いた顕微鏡画像における虫形物体検出のための枠組みを提案する。 線が湾曲した線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線状線線 軽量のバックボーンネットワークでは75.85 %の精度、73.02 %のリコールと84.20 %の精度、85.63 %のリコールを公的なC. elegansデータセットで達成している。
• 参考スコア（独自算出の注目度）: 2.724386468930924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Plant parasitic nematodes cause damage to crop plants on a global scale. Robust detection on image data is a prerequisite for monitoring such nematodes, as well as for many biological studies involving the nematode C. elegans, a common model organism. Here, we propose a framework for detecting worm-shaped objects in microscopic images that is based on convolutional neural networks (CNNs). We annotate nematodes with curved lines along the body, which is more suitable for worm-shaped objects than bounding boxes. The trained model predicts worm skeletons and body endpoints. The endpoints serve to untangle the skeletons from which segmentation masks are reconstructed by estimating the body width at each location along the skeleton. With light-weight backbone networks, we achieve 75.85 % precision, 73.02 % recall on a potato cyst nematode data set and 84.20 % precision, 85.63 % recall on a public C. elegans data set.
• Abstract（参考訳）: 植物寄生線虫は、地球規模で作物の損傷を引き起こす。 画像データによるロバスト検出は、このような線虫の観察や、一般的なモデル生物である線虫c. elegansを含む多くの生物学的研究の前提条件である。 本稿では、畳み込みニューラルネットワーク(CNN)に基づく顕微鏡画像中の虫形物体を検出するための枠組みを提案する。 体に沿って曲がった線を持つ線虫をアノテートするが、これはバウンディングボックスよりもワーム型の物体に適している。 訓練されたモデルは、ワーム骨格と体終端を予測する。 エンドポイントは、スケルトンに沿って各部位の体幅を推定することにより、セグメンテーションマスクが再構成される骨格をアンハングルする。 軽量のバックボーンネットワークでは75.85 %の精度、73.02 %のリコールと84.20 %の精度、85.63 %のリコールを公的なC. elegansデータセットで達成している。

関連論文リスト

• Histopathological Image Classification with Cell Morphology Aware Deep Neural Networks [11.749248917866915]
  本稿では,細胞形態を学習し,多数のがんタイプを同定するために事前訓練した新しいDeepCMorphモデルを提案する。 7175例の8736例の診断スライドから抽出した270K以上の組織パッチからなるPan-Cancer TCGAデータセット上で,本モジュールを事前訓練した。 提案手法は, 82%以上の精度で32種類の癌を検出でき, 従来提案されていたすべてのソリューションを4%以上上回る性能を示した。
  論文  参考訳（メタデータ） (2024-07-11T16:03:59Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• AnyStar: Domain randomized universal star-convex 3D instance segmentation [8.670653580154895]
  我々は、ランダムな外観で合成データ、向き、およびブロブのようなオブジェクトをシミュレートするドメインランダム化生成モデルであるAnyStarを提案する。 結果として、生成モデルを用いたネットワークは、目に見えないデータセットからの注釈付き画像を必要としない。
  論文  参考訳（メタデータ） (2023-07-13T20:01:26Z)
• CTSN: Predicting Cloth Deformation for Skeleton-based Characters with a Two-stream Skinning Network [11.10457709073575]
  本研究では,2ストリームネットワークを用いた骨格型文字の布の変形を予測できる新しい学習手法を提案する。 我々のアプローチで処理される文字は人間に限らず、魚やペットのような非人間的対象の骨格に基づく他の表現である。
  論文  参考訳（メタデータ） (2023-05-30T07:48:47Z)
• Mediastinal Lymph Node Detection and Segmentation Using Deep Learning [1.7188280334580195]
  臨床ではCT(Computed tomography)とPET(positron emission tomography)が異常リンパ節(LN)を検出する 深層畳み込みニューラルネットワークは、しばしば医療写真にアイテムを分割する。 良質な深層学習手法であるUNetは、縦隔リンパ節の分節と検出のための戦略に基づいて、双線形および全一般化変異(TGV)を用いて修正された。 修正されたUNetはテクスチャの不連続を維持し、ノイズの多い領域を選択し、バックプロパゲーションを通じて適切なバランスポイントを検索し、画像の解像度を再現する。
  論文  参考訳（メタデータ） (2022-11-24T02:55:20Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• TotalSegmentator: robust segmentation of 104 anatomical structures in CT images [48.50994220135258]
  身体CT画像の深層学習セグメント化モデルを提案する。 このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
  論文  参考訳（メタデータ） (2022-08-11T15:16:40Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Instance Segmentation of Microscopic Foraminifera [0.0629976670819788]
  本稿では, 深層学習に基づくインスタンス分割モデルを用いて, 微視的フォアミニフェラの分類, 検出, セグメンテーションを行う。 本モデルは,COCO検出データセットから得られたモデル重みパラメータを用いて,Mask R-CNNアーキテクチャに基づく。
  論文  参考訳（メタデータ） (2021-05-15T10:46:22Z)
• Anatomy-aware 3D Human Pose Estimation with Bone-based Pose Decomposition [92.99291528676021]
  3次元関節位置を直接回帰するのではなく,骨方向予測と骨長予測に分解する。 私たちのモチベーションは、人間の骨格の骨の長さが時間とともに一定であることにあります。 我々の完全なモデルは、Human3.6MとMPI-INF-3DHPデータセットにおいて、以前の最高の結果よりも優れています。
  論文  参考訳（メタデータ） (2020-02-24T15:49:37Z)

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。