論文の概要: EXACT: A collaboration toolset for algorithm-aided annotation of images
with annotation version control
- arxiv url: http://arxiv.org/abs/2004.14595v3
- Date: Mon, 19 Jul 2021 12:29:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 05:45:58.405424
- Title: EXACT: A collaboration toolset for algorithm-aided annotation of images
with annotation version control
- Title（参考訳）: EXACT: アノテーションバージョン制御による画像のアルゴリズム支援アノテーションのための協調ツールセット
- Authors: Christian Marzahl, Marc Aubreville, Christof A. Bertram, Jennifer
Maier, Christian Bergler, Christine Kr\"oger, J\"orn Voigt, Katharina
Breininger, Robert Klopfleisch, and Andreas Maier
- Abstract要約: EXACTは、オンラインおよびオフラインで画像の協調的な学際的解析を可能にする。
ソフトウェアは、スクリーニングモードでミトティックフィギュアをカウントするなど、多様なアプリケーションに適応することができる。
すでに幅広いアノテーションタスクにうまく適用されています。
- 参考スコア（独自算出の注目度）: 7.6457287740201
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In many research areas, scientific progress is accelerated by
multidisciplinary access to image data and their interdisciplinary annotation.
However, keeping track of these annotations to ensure a high-quality
multi-purpose data set is a challenging and labour intensive task. We developed
the open-source online platform EXACT (EXpert Algorithm Collaboration Tool)
that enables the collaborative interdisciplinary analysis of images from
different domains online and offline. EXACT supports multi-gigapixel medical
whole slide images as well as image series with thousands of images. The
software utilises a flexible plugin system that can be adapted to diverse
applications such as counting mitotic figures with a screening mode, finding
false annotations on a novel validation view, or using the latest deep learning
image analysis technologies. This is combined with a version control system
which makes it possible to keep track of changes in the data sets and, for
example, to link the results of deep learning experiments to specific data set
versions. EXACT is freely available and has already been successfully applied
to a broad range of annotation tasks, including highly diverse applications
like deep learning supported cytology scoring, interdisciplinary multi-centre
whole slide image tumour annotation, and highly specialised whale sound
spectroscopy clustering.
- Abstract（参考訳）: 多くの研究分野において、画像データと学際アノテーションへの多分野アクセスによって科学的進歩が加速される。
しかし、これらのアノテーションを追跡して高品質な多目的データセットを保証することは、困難な作業である。
我々は,異なるドメインの画像のオンラインおよびオフラインでの協調的な学際的分析を可能にする,オープンソースのオンラインプラットフォームreclet(expert algorithm collaboration tool)を開発した。
EXACTは、マルチギガピクセルの医療用スライド画像と数千の画像からなる画像シリーズをサポートする。
このソフトウェアはフレキシブルなプラグインシステムを利用しており、例えば、ミトティックフィギュアをスクリーニングモードで数えたり、新しいバリデーションビューで偽アノテーションを見つけたり、最新のディープラーニング画像解析技術を使ったりすることができる。
これは、データセットの変更の追跡を可能にするバージョン管理システムと組み合わされ、例えば、ディープラーニング実験の結果を特定のデータセットのバージョンにリンクする。
EXACTは無料で利用可能であり、深層学習支援細胞診スコアリング、学際的マルチセントのスライド画像腫瘍アノテーション、高度に専門化されたクジラ音響分光クラスタリングなど、様々なアノテーションタスクにすでに適用されている。
関連論文リスト
- Language Guided Domain Generalized Medical Image Segmentation [68.93124785575739]
単一ソースドメインの一般化は、より信頼性が高く一貫性のあるイメージセグメンテーションを現実の臨床環境にわたって約束する。
本稿では,テキストエンコーダ機能によって案内されるコントラスト学習機構を組み込むことで,テキスト情報を明確に活用する手法を提案する。
文献における既存手法に対して,本手法は良好な性能を発揮する。
論文 参考訳（メタデータ） (2024-04-01T17:48:15Z) - MouSi: Poly-Visual-Expert Vision-Language Models [132.58949014605477]
本稿では,個々の視覚エンコーダの能力の相乗化にアンサンブルエキスパート技術を用いることを提案する。
この技術は、異なる視覚専門家の出力の処理を統一する融合ネットワークを導入する。
本実装では,SAMなどのモデルにおける位置占有率を,実質的な4096からより効率的で管理可能な64,さらには1。
論文 参考訳（メタデータ） (2024-01-30T18:09:11Z) - Domain Generalization for Mammographic Image Analysis with Contrastive
Learning [62.25104935889111]
効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。
より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。
提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
論文 参考訳（メタデータ） (2023-04-20T11:40:21Z) - Slideflow: Deep Learning for Digital Histopathology with Real-Time
Whole-Slide Visualization [49.62449457005743]
われわれはSlideflowと呼ばれる病理組織学のための柔軟なディープラーニングライブラリを開発した。
デジタル病理学のための幅広い深層学習手法をサポートしている。
トレーニングされたモデルをデプロイするための、高速な全スライドインターフェースが含まれている。
論文 参考訳（メタデータ） (2023-04-09T02:49:36Z) - Multiple Instance Learning for Digital Pathology: A Review on the
State-of-the-Art, Limitations & Future Potential [0.29008108937701327]
デジタルスライド画像には膨大な情報が含まれている。
ディープニューラルネットワークは、デジタル病理学の分野における様々なタスクに対して高いポテンシャルを示す。
ディープラーニングアルゴリズムは、効果的なトレーニングを可能にするために、大量の画像データに加えて、(手動)アノテーションを必要とする。
複数のインスタンス学習は、完全な注釈付きデータなしでシナリオでディープニューラルネットワークを学習するための強力なツールである。
論文 参考訳（メタデータ） (2022-06-09T11:27:26Z) - Automatic Image Content Extraction: Operationalizing Machine Learning in
Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。
提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文 参考訳（メタデータ） (2022-04-05T12:19:24Z) - Generalized Multi-Task Learning from Substantially Unlabeled
Multi-Source Medical Image Data [11.061381376559053]
MultiMixは、病気の分類と解剖学的セグメンテーションを半教師付きで共同で学習する、新しいマルチタスク学習モデルである。
トレーニングセットにおける多ソースラベル付きデータの多量化実験により,MultiMixの有効性が確認された。
論文 参考訳（メタデータ） (2021-10-25T18:09:19Z) - Federated Learning for Computational Pathology on Gigapixel Whole Slide
Images [4.035591045544291]
計算病理学において,ギガピクセル全体の画像に対するプライバシ保護フェデレーション学習を導入する。
スライドレベルのラベルのみを用いた数千のスライディング画像を用いた2つの異なる診断問題に対するアプローチについて検討した。
論文 参考訳（メタデータ） (2020-09-21T21:56:08Z) - Advances in Deep Learning for Hyperspectral Image Analysis--Addressing
Challenges Arising in Practical Imaging Scenarios [7.41157183358269]
我々は,強靭なハイパースペクトル画像解析にディープラーニングを活用するコミュニティの進歩を概観する。
課題は 地上の真実と データの高次元的な性質です
具体的には,画像解析における教師なし,半教師付き,アクティブな学習手法について検討する。
論文 参考訳（メタデータ） (2020-07-16T19:51:02Z) - Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。
深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文 参考訳（メタデータ） (2020-01-15T21:37:47Z)
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。