Fugu-MT 論文翻訳(概要): NINEPINS: Nuclei Instance Segmentation with Point Annotations

論文の概要: NINEPINS: Nuclei Instance Segmentation with Point Annotations

arxiv url: http://arxiv.org/abs/2006.13556v1
Date: Wed, 24 Jun 2020 08:28:52 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 10:18:19.378464
Title: NINEPINS: Nuclei Instance Segmentation with Point Annotations
Title（参考訳）: NINEPINS: ポイントアノテーション付きNucleiインスタンスセグメンテーション
Authors: Ting-An Yen, Hung-Chun Hsu, Pushpak Pati, Maria Gabrani, Antonio Foncubierta-Rodr\'iguez, Pau-Choo Chung
Abstract要約: 本稿では,ポイントアノテーションから自動生成される擬似ラベルセグメンテーションを用いたサンプルセグメンテーションのアルゴリズムを提案する。生成されたセグメンテーションマスクを用いて、提案手法は、インスタンスセグメンテーションを実現するために、HoVer-Netモデルの修正版を訓練する。実験結果から,提案手法はポイントアノテーションの不正確性に対して頑健であり,完全注釈付きインスタンスマスクを用いたHover-Netと比較すると,セグメンテーション性能の劣化が必ずしも組織分類などの高次タスクの劣化を意味するとは限らないことが示唆された。
参考スコア（独自算出の注目度）: 2.19221864553448
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning-based methods are gaining traction in digital pathology, with an increasing number of publications and challenges that aim at easing the work of systematically and exhaustively analyzing tissue slides. These methods often achieve very high accuracies, at the cost of requiring large annotated datasets to train. This requirement is especially difficult to fulfill in the medical field, where expert knowledge is essential. In this paper we focus on nuclei segmentation, which generally requires experienced pathologists to annotate the nuclear areas in gigapixel histological images. We propose an algorithm for instance segmentation that uses pseudo-label segmentations generated automatically from point annotations, as a method to reduce the burden for pathologists. With the generated segmentation masks, the proposed method trains a modified version of HoVer-Net model to achieve instance segmentation. Experimental results show that the proposed method is robust to inaccuracies in point annotations and comparison with Hover-Net trained with fully annotated instance masks shows that a degradation in segmentation performance does not always imply a degradation in higher order tasks such as tissue classification.
Abstract（参考訳）: 深層学習に基づく手法は、組織スライドを体系的かつ網羅的に分析することを目的とした出版物や課題の増加とともに、デジタル病理学において勢いを増している。これらの方法はしばしば、大きな注釈付きデータセットを訓練する必要があるコストで、非常に高い精度を達成している。この要件は、専門家の知識が不可欠である医療分野では特に困難である。本稿では, 経験豊富な病理学者がギガピクセルの組織像の核領域に注釈を付けることを必要とする, 核セグメンテーションに焦点をあてる。病理学者の負担を軽減する方法として,ポイントアノテーションから自動生成する擬似ラベルセグメントを用いたセグメンテーションのアルゴリズムを提案する。生成されたセグメンテーションマスクにより、提案手法は、インスタンスセグメンテーションを達成するためにhover-netモデルの修正バージョンを訓練する。実験の結果, 提案手法は点アノテーションの不正確さに頑健であり, 完全にアノテートされたインスタンスマスクで訓練されたホバーネットと比較すると, セグメンテーション性能の低下が必ずしも組織分類などの高次タスクの劣化を意味するとは限らない。

関連論文リスト

Guidelines for Cerebrovascular Segmentation: Managing Imperfect Annotations in the context of Semi-Supervised Learning [3.231698506153459]
教師付き学習法は、十分な量のラベル付きデータを入力した場合に優れた性能を達成する。このようなラベルは一般的に、非常に時間がかかり、エラーが発生し、製造コストがかかる。半教師付き学習アプローチはラベル付きデータとラベルなしデータの両方を活用する。
論文参考訳（メタデータ） (2024-04-02T09:31:06Z)
TraSeTR: Track-to-Segment Transformer with Contrastive Query for Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。 TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
論文参考訳（メタデータ） (2022-02-17T05:52:18Z)
Nuclei Segmentation with Point Annotations from Pathology Images via Self-Supervised Learning and Co-Training [44.13451004973818]
核分割のための弱い教師付き学習法を提案する。粗いピクセルレベルのラベルは、ボロノイ図に基づく点アノテーションから導かれる。病理画像の核分割に適した自己教師付き視覚表現学習法を提案する。
論文参考訳（メタデータ） (2022-02-16T17:08:44Z)
Learning Whole-Slide Segmentation from Inexact and Incomplete Labels using Tissue Graphs [11.315178576537768]
グラフを用いた弱教師付きセマンティックセグメンテーション手法であるSegGiniを提案する。 SegGiniセグメントは、組織マイクロアレイ(TMA)から全スライド画像(WSI)まで、任意かつ大規模な画像です。
論文参考訳（メタデータ） (2021-03-04T16:04:24Z)
Uncertainty guided semi-supervised segmentation of retinal layers in OCT images [4.046207281399144]
セグメンテーションネットワークを訓練する学生・教師のアプローチに基づく,新しい不確実性誘導半教師学習を提案する。提案するフレームワークは,様々な画像モダリティにまたがるバイオメディカルイメージセグメンテーションに有効である。
論文参考訳（メタデータ） (2021-03-02T23:14:25Z)
Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文参考訳（メタデータ） (2020-12-10T04:01:07Z)
Towards Robust Partially Supervised Multi-Structure Medical Image Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文参考訳（メタデータ） (2020-11-28T16:31:00Z)
Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文参考訳（メタデータ） (2020-07-21T13:27:09Z)
Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
論文参考訳（メタデータ） (2020-07-10T15:41:29Z)
Manifold-driven Attention Maps for Weakly Supervised Segmentation [9.289524646688244]
本稿では,視覚的に有意な領域を強化するために,多様体駆動型注意ネットワークを提案する。提案手法は,余分な計算を必要とせずに,推論中により優れた注意マップを生成できる。
論文参考訳（メタデータ） (2020-04-07T00:03:28Z)
Panoptic Feature Fusion Net: A Novel Instance Segmentation Paradigm for Biomedical and Biological Images [91.41909587856104]
本稿では,本研究における意味的特徴とインスタンス的特徴を統一するPanoptic Feature Fusion Net(PFFNet)を提案する。提案するPFFNetには,インスタンス予測を意味的特徴に組み込むための残注意特徴融合機構が組み込まれている。様々なバイオメディカルおよび生物学的データセットにおいて、最先端のいくつかの手法を上回ります。
論文参考訳（メタデータ） (2020-02-15T09:19:41Z)

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。