論文の概要: Registration of Histopathogy Images Using Structural Information From
Fine Grained Feature Maps
- arxiv url: http://arxiv.org/abs/2007.02078v1
- Date: Sat, 4 Jul 2020 12:05:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 13:45:40.055218
- Title: Registration of Histopathogy Images Using Structural Information From
Fine Grained Feature Maps
- Title（参考訳）: 微細地形図の構造情報を用いた病理組織像の登録
- Authors: Dwarikanath Mahapatra
- Abstract要約: 本稿では,事前学習したセグメンテーションネットワークから抽出した自己教師付きセグメンテーション特徴写像を用いた登録フレームワークにおけるセグメンテーション情報の統合手法を提案する。
実験の結果,手動セグメンテーションマップを効果的に置き換え,手動セグメンテーションマップが利用できない実環境において,手動セグメンテーションマップの精度が向上する可能性が示された。
- 参考スコア（独自算出の注目度）: 5.6512908295414
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Registration is an important part of many clinical workflows and factually,
including information of structures of interest improves registration
performance. We propose a novel approach of combining segmentation information
in a registration framework using self supervised segmentation feature maps
extracted using a pre-trained segmentation network followed by clustering.
Using self supervised feature maps enables us to use segmentation information
despite the unavailability of manual segmentations. Experimental results show
our approach effectively replaces manual segmentation maps and demonstrate the
possibility of obtaining state of the art registration performance in real
world cases where manual segmentation maps are unavailable.
- Abstract（参考訳）: 登録は多くの臨床ワークフローにおいて重要な部分であり、興味のある構造に関する情報は登録性能を向上させる。
本稿では,事前学習したセグメンテーションネットワークから抽出した自己教師付きセグメンテーション特徴写像を用いた登録フレームワークにおけるセグメンテーション情報の統合手法を提案する。
自己教師付き特徴マップを使用することで,手動分割が不可能であるにもかかわらず,セグメント情報の活用が可能となる。
実験の結果,手動セグメンテーションマップを効果的に置き換え,手動セグメンテーションマップが利用できない実環境において,手動セグメンテーションマップの精度が向上する可能性が示された。
関連論文リスト
- Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised
Semantic Segmentation [79.05949524349005]
AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。
また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
論文 参考訳（メタデータ） (2024-03-02T10:03:21Z) - Unsupervised Segmentation of Fetal Brain MRI using Deep Learning
Cascaded Registration [2.494736313545503]
従来の深層学習に基づく自動セグメンテーションは、グランドトラストラベルによる広範なトレーニングデータを必要とする。
ラベル付きデータに頼らずに複数の組織を正確にセグメンテーションするマルチアトラスセグメンテーションに基づく新しい手法を提案する。
提案手法では,3次元画像登録のためのカスケード深層学習ネットワークを用いて,移動画像への小さなインクリメンタルな変形を計算し,それを固定画像と正確に整合させる。
論文 参考訳（メタデータ） (2023-07-07T13:17:12Z) - SegPrompt: Using Segmentation Map as a Better Prompt to Finetune Deep
Models for Kidney Stone Classification [62.403510793388705]
深層学習は、内視鏡画像を用いた腎臓結石分類のための奨励的な結果を生み出している。
注釈付きトレーニングデータの不足は、トレーニングされたモデルの性能と一般化能力を改善する上で深刻な問題を引き起こす。
本稿では,セグメンテーションマップを2つの側面から活用することにより,データ不足問題を軽減するためにSegPromptを提案する。
論文 参考訳（メタデータ） (2023-03-15T01:30:48Z) - Improving Few-Shot Part Segmentation using Coarse Supervision [32.34210260693939]
重要な課題は、これらのアノテーションが異なるタスクと異なるラベルスタイルで収集され、簡単にパートラベルにマッピングできないことである。
我々は,ラベル形式と部分分割モデルとの依存関係を共同で学習し,多様なラベルからの監督を活用できるようにする。
提案手法は,スパーススーパービジョンを利用するために手動で設計した損失関数に依存するマルチタスク学習,半教師付き学習,競争的手法に基づくベースラインよりも優れている。
論文 参考訳（メタデータ） (2022-04-11T20:25:14Z) - Leveraging Auxiliary Tasks with Affinity Learning for Weakly Supervised
Semantic Segmentation [88.49669148290306]
そこで我々はAuxSegNetと呼ばれる弱教師付きマルチタスク・フレームワークを提案し,サリエンシ検出とマルチラベル画像分類を補助タスクとして活用する。
同様の構造的セマンティクスに着想を得て,サリエンシとセグメンテーションの表現から,クロスタスクなグローバル画素レベルの親和性マップを学習することを提案する。
学習されたクロスタスク親和性は、両方のタスクに対して改善された擬似ラベルを提供するために、唾液度予測を洗練し、CAMマップを伝播するために使用することができる。
論文 参考訳（メタデータ） (2021-07-25T11:39:58Z) - Self-supervised Segmentation via Background Inpainting [96.10971980098196]
移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。
我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。
本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-11-11T08:34:40Z) - Motion-supervised Co-Part Segmentation [88.40393225577088]
本稿では,コパートセグメンテーションのための自己教師型ディープラーニング手法を提案する。
提案手法は,映像から推定される動き情報を有効活用して意味のある物体の発見を可能にする。
論文 参考訳（メタデータ） (2020-04-07T09:56:45Z) - SceneEncoder: Scene-Aware Semantic Segmentation of Point Clouds with A
Learnable Scene Descriptor [51.298760338410624]
本研究では,グローバル情報の効果を高めるために,シーン認識型ガイダンスを付加するSceneEncoderモジュールを提案する。
モジュールはシーン記述子を予測し、シーンに存在するオブジェクトのカテゴリを表現することを学習する。
また,同じラベルを持つ隣接点に対する特徴の識別を伝搬する領域類似度損失を設計する。
論文 参考訳（メタデータ） (2020-01-24T16:53:30Z)
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。