論文の概要: Multimarginal Wasserstein Barycenter for Stain Normalization and Augmentation

• arxiv url: http://arxiv.org/abs/2006.14566v1
• Date: Thu, 25 Jun 2020 17:09:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 04:23:07.593934
• Title: Multimarginal Wasserstein Barycenter for Stain Normalization and Augmentation
• Title（参考訳）: 染色正常化と増強のための多指式wasserstein barycenter
• Authors: Saad Nadeem, Travis Hollmann and Allen Tannenbaum
• Abstract要約: 本手法は, 染色正規化の最先端手法と比較して, 定量的, 定性的に優れた結果を示した。 我々はさらに、公開データセット上での原子核分割タスクにおける染色正規化と増分を検証した。
• 参考スコア（独自算出の注目度）: 4.00916638804083
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variations in hematoxylin and eosin (H&E) stained images (due to clinical lab protocols, scanners, etc) directly impact the quality and accuracy of clinical diagnosis, and hence it is important to control for these variations for a reliable diagnosis. In this work, we present a new approach based on the multimarginal Wasserstein barycenter to normalize and augment H&E stained images given one or more references. Specifically, we provide a mathematically robust way of naturally incorporating additional images as intermediate references to drive stain normalization and augmentation simultaneously. The presented approach showed superior results quantitatively and qualitatively as compared to state-of-the-art methods for stain normalization. We further validated our stain normalization and augmentations in the nuclei segmentation task on a publicly available dataset, achieving state-of-the-art results against competing approaches.
• Abstract（参考訳）: ヘマトキシリンおよびエオシン(H&E)染色画像(臨床検査プロトコルやスキャナーなどによる)の変異は、臨床診断の品質や精度に直接影響し、信頼性の高い診断のためにこれらの変化を制御することが重要である。 本研究では,複数参照のH&E染色画像の正規化と増大を図るため,マルチマージナルなワッサースタインバリセンタに基づく新しいアプローチを提案する。 具体的には,汚れの正規化と増補を同時に行うために,画像の追加を中間参照として自然に組み込む数学的にロバストな方法を提案する。 従来の染色法と比較して定量的・定性的に優れた結果を示した。 我々はさらに,公開データセット上での核分画タスクにおける染色の正規化と増強を検証し,競合するアプローチに対して最先端の結果を得た。

関連論文リスト

• Multi-target stain normalization for histology slides [6.820595748010971]
  我々は,複数の参照画像を活用する新しい手法を導入し,染色変化に対する堅牢性を高める。 提案手法はパラメータフリーであり,有意な変化のない既存の計算病理パイプラインに適用可能である。
  論文  参考訳（メタデータ） (2024-06-04T07:57:34Z)
• AnoDODE: Anomaly Detection with Diffusion ODE [0.0]
  異常検出は、データセットの大部分から著しく逸脱する非定型的なデータサンプルを特定するプロセスである。 医用画像から抽出した特徴量の密度を推定し,拡散モードに基づく新しい異常検出手法を提案する。 提案手法は異常を識別するだけでなく,画像レベルと画素レベルでの解釈性も提供する。
  論文  参考訳（メタデータ） (2023-10-10T08:44:47Z)
• AGMDT: Virtual Staining of Renal Histology Images with Adjacency-Guided Multi-Domain Transfer [9.8359439975283]
  画素レベルのアライメントを回避し,画像の他の領域への変換を行う新しい仮想染色フレームワーク AGMDT を提案する。 提案するフレームワーク AGMDT は,球状率検出と二部グラフマッチングにより,複数ドメインのシリアルスライスにまたがるパッチレベルのアライメントペアを検出する。 実験の結果,提案したAGMDTは,高精度な画素レベルのアライメントと未ペアドメイン転送とのバランスが良好であることがわかった。
  論文  参考訳（メタデータ） (2023-09-12T17:37:56Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Ultra-high-resolution unpaired stain transformation via Kernelized Instance Normalization [1.2234742322758418]
  カーネル化インスタンス正規化(KIN)による超高分解能画像-画像間翻訳の戦略を提案する。 KINはローカル情報を保存し、一定のGPUメモリ使用量でシームレスな染色変換を実現する。 これは、空間の複雑さが一定である超高解像度画像対画像変換のための最初の成功例である。
  論文  参考訳（メタデータ） (2022-08-23T04:47:43Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。