論文の概要: Spatial-Temporal Mitosis Detection in Phase-Contrast Microscopy via Likelihood Map Estimation by 3DCNN

• arxiv url: http://arxiv.org/abs/2004.12531v2
• Date: Mon, 1 Jun 2020 13:59:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 04:26:08.537326
• Title: Spatial-Temporal Mitosis Detection in Phase-Contrast Microscopy via Likelihood Map Estimation by 3DCNN
• Title（参考訳）: 3DCNNによる位相コントラスト顕微鏡における空間時間ミオトーシスの検出
• Authors: Kazuya Nishimura, Ryoma Bise
• Abstract要約: 本稿では,複数の有糸分裂を検出できる新しい有糸分裂検出法を提案する。 本稿では,複数の有糸分裂を検出できる新しい有糸分裂検出法を提案する。
• 参考スコア（独自算出の注目度）: 9.112172220055433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated mitotic detection in time-lapse phasecontrast microscopy provides us much information for cell behavior analysis, and thus several mitosis detection methods have been proposed. However, these methods still have two problems; 1) they cannot detect multiple mitosis events when there are closely placed. 2) they do not consider the annotation gaps, which may occur since the appearances of mitosis cells are very similar before and after the annotated frame. In this paper, we propose a novel mitosis detection method that can detect multiple mitosis events in a candidate sequence and mitigate the human annotation gap via estimating a spatiotemporal likelihood map by 3DCNN. In this training, the loss gradually decreases with the gap size between ground truth and estimation. This mitigates the annotation gaps. Our method outperformed the compared methods in terms of F1- score using a challenging dataset that contains the data under four different conditions.
• Abstract（参考訳）: 時間経過型位相コントラスト顕微鏡におけるmit自動検出法により,細胞挙動解析に関する多くの情報が得られるため,いくつかのmitosis検出法が提案されている。 しかし、これらの方法には2つの問題がある。 1) 密着した状態では複数の有糸分裂を検出できない。 2) 注釈付きフレームの前後では, 有糸分裂細胞の出現と類似しているため, アノテーションギャップは考慮されていない。 本稿では,3dcnnによる時空間的確率マップを推定することにより,候補系列における複数のmitosisイベントを検出し,人間のアノテーションギャップを軽減できる新しいmitosis検出法を提案する。 このトレーニングでは, 地上の真実と推定のギャップの大きさによって, 損失は徐々に減少する。 これはアノテーションのギャップを軽減する。 提案手法は,4つの異なる条件下でデータを含む難易度データセットを用いて,f1-スコアで比較した手法を上回った。

関連論文リスト

• Longitudinal Segmentation of MS Lesions via Temporal Difference Weighting [2.0168790328644697]
  本稿では,ベースラインとフォローアップスキャンの時間的差を,差分重みブロックと呼ばれるユニークなアーキテクチャ的帰納バイアスによって明示的に取り込む新しい手法を提案する。 本研究は,2つのデータセットにまたがる最先端の縦・単点モデルと比較して,病変のセグメンテーションおよび病変検出において優れたスコアを得る。
  論文  参考訳（メタデータ） (2024-09-20T11:30:54Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Deep Temporal Sequence Classification and Mathematical Modeling for Cell Tracking in Dense 3D Microscopy Videos of Bacterial Biofilms [18.563062576080704]
  そこで我々はDenseTrackという新しいセル追跡アルゴリズムを提案する。 DenseTrackは、ディープラーニングと数学的モデルベースの戦略を統合して、連続するフレーム間の対応を確立する。 固有分解に基づく細胞分裂検出戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-27T23:26:57Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• Colonoscopy Coverage Revisited: Identifying Scanning Gaps in Real-Time [0.0]
  大腸内視鏡は大腸がんを予防するために最も広く用いられる医療技術であり、悪性になる前にポリープを検出して除去する。 最近の研究では、既存のポリープの約4分の1が日常的に欠落していることが示されている。 そのうちのいくつかは内科医の視界に現れるが、結腸の部分的な被覆のために欠落するものもある。
  論文  参考訳（メタデータ） (2023-05-17T08:12:56Z)
• 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
  本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。 また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
  論文  参考訳（メタデータ） (2023-03-21T17:58:49Z)
• Challenging mitosis detection algorithms: Global labels allow centroid localization [1.7382198387953947]
  ミトコンドリア活性は、異なる種類のがんの診断と予後にとって重要なバイオマーカーである。 本研究では,複雑なシナリオを避けることを提案し,パッチのイメージレベルラベルのみを用いて,ローカライズタスクを弱教師付きで実行する。 TUPAC16データセットで得られた結果は、ひとつのトレーニングフェーズのみを使用して、最先端の手法と競合する。
  論文  参考訳（メタデータ） (2022-11-30T09:52:26Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
  マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。 さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。 実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
  論文  参考訳（メタデータ） (2020-09-17T17:59:27Z)
• DistNet: Deep Tracking by displacement regression: application to bacteria growing in the Mother Machine [2.741266294612776]
  本稿では,トラッキングエラー率とセグメンテーションエラー率を極端に低くする自己認識機構を活用するディープニューラルネットワークアーキテクチャを提案する。 本手法はDISTance+DISplacement and Tracking Networkの略であるDiSTNetと名付けられた。
  論文  参考訳（メタデータ） (2020-03-17T16:13:44Z)

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。