Fugu-MT 論文翻訳(概要): Instance Segmentation for Whole Slide Imaging: End-to-End or Detect-Then-Segment

論文の概要: Instance Segmentation for Whole Slide Imaging: End-to-End or Detect-Then-Segment

arxiv url: http://arxiv.org/abs/2007.03593v1
Date: Tue, 7 Jul 2020 16:23:10 GMT
ステータス: 処理完了
システム内更新日: 2022-11-12 20:28:21.811988
Title: Instance Segmentation for Whole Slide Imaging: End-to-End or Detect-Then-Segment
Title（参考訳）: 全スライド画像のインスタンス分割:End-to-End または Detect-then-Segment
Authors: Aadarsh Jha, Haichun Yang, Ruining Deng, Meghan E. Kapp, Agnes B. Fogo, Yuankai Huo
Abstract要約: コンピュータビジョンでは、エンドツーエンドのインスタンスセグメンテーション手法(例えば、Mask-RCNN)は、検出列のセグメンテーションアプローチと比較してその利点を示している。高解像度のWSI(Whole Slide Imaging)では、1つの糸球体自体が1000×1000ピクセルを超える。本稿では,Mask-RCNN と本提案した検出-then-segment フレームワークを比較し,エンドツーエンドのインスタンスセグメンテーションフレームワークが高分解能 WSI オブジェクトに対して最適であるかどうかを評価する。
参考スコア（独自算出の注目度）: 4.808118749897574
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automatic instance segmentation of glomeruli within kidney Whole Slide Imaging (WSI) is essential for clinical research in renal pathology. In computer vision, the end-to-end instance segmentation methods (e.g., Mask-RCNN) have shown their advantages relative to detect-then-segment approaches by performing complementary detection and segmentation tasks simultaneously. As a result, the end-to-end Mask-RCNN approach has been the de facto standard method in recent glomerular segmentation studies, where downsampling and patch-based techniques are used to properly evaluate the high resolution images from WSI (e.g., >10,000x10,000 pixels on 40x). However, in high resolution WSI, a single glomerulus itself can be more than 1,000x1,000 pixels in original resolution which yields significant information loss when the corresponding features maps are downsampled via the Mask-RCNN pipeline. In this paper, we assess if the end-to-end instance segmentation framework is optimal for high-resolution WSI objects by comparing Mask-RCNN with our proposed detect-then-segment framework. Beyond such a comparison, we also comprehensively evaluate the performance of our detect-then-segment pipeline through: 1) two of the most prevalent segmentation backbones (U-Net and DeepLab_v3); 2) six different image resolutions (from 512x512 to 28x28); and 3) two different color spaces (RGB and LAB). Our detect-then-segment pipeline, with the DeepLab_v3 segmentation framework operating on previously detected glomeruli of 512x512 resolution, achieved a 0.953 dice similarity coefficient (DSC), compared with a 0.902 DSC from the end-to-end Mask-RCNN pipeline. Further, we found that neither RGB nor LAB color spaces yield better performance when compared against each other in the context of a detect-then-segment framework. Detect-then-segment pipeline achieved better segmentation performance compared with End-to-end method.
Abstract（参考訳）: 腎疾患の臨床的研究において、腎全スライド画像(WSI)における糸球体の自動インスタンス分割が不可欠である。コンピュータビジョンにおいて、エンドツーエンドのインスタンスセグメンテーション手法(例えば、Mask-RCNN)は、相補的な検出とセグメンテーションタスクを同時に実行することによって、検出-テーマ-セグメンテーションアプローチに対する利点を示した。その結果、エンド・ツー・エンドのマスク-rcnnアプローチは、近年の糸球体セグメンテーション研究におけるデファクト標準法であり、ダウンサンプリングとパッチベースの技術を用いてwsiの高解像度画像を適切に評価している(例えば40xの10000x10,000ピクセル)。しかし、高分解能WSIでは、単一のグロメラス自体が1000×1000ピクセル以上で、Mask-RCNNパイプラインを介して対応する特徴マップがダウンサンプリングされると、大きな情報損失をもたらす。本稿では,Mask-RCNN と本提案した検出-then-segment フレームワークを比較し,エンドツーエンドのインスタンスセグメンテーションフレームワークが高分解能 WSI オブジェクトに対して最適かどうかを評価する。このような比較の他に、検出列分割パイプラインの性能も包括的に評価する。 1)最も普及しているセグメンテーションバックボーン(u-netとdeeplab_v3)の2つ 2)6種類の画像解像度(512×512〜28×28) 3)2つの異なる色空間(RGBとLAB)。従来検出されていた512x512分解能の球状体上でのDeepLab_v3セグメンテーション・フレームワークを用いて, 終端のMask-RCNNパイプラインの0.902DSCと比較して, 0.953ダイス類似係数(DSC)を達成した。さらに,rgbとラボカラースペースは,検出セグメンテーションフレームワークの文脈で比較した場合,優れた性能を得られないことがわかった。 Detect-then-segment パイプラインは End-to-end 法と比較してセグメンテーション性能が向上した。

関連論文リスト

An Effective Pipeline for Whole-Slide Image Glomerulus Segmentation [0.6798775532273751]
腎疾患の正確な診断にはWSIの糸球体分離が不可欠である。本稿では、パッチレベルとWSIレベルのセグメンテーションタスクの両方を効果的に強化するグロメラスセグメンテーションのための実用的なパイプラインを提案する。
論文参考訳（メタデータ） (2024-11-07T15:22:32Z)
Early Fusion of Features for Semantic Segmentation [10.362589129094975]
本稿では,効率的な画像分割を実現するために,分類器ネットワークとリバースHRNetアーキテクチャを統合する新しいセグメンテーションフレームワークを提案する。私たちの手法は、Mapillary Vistas、Cityscapes、CamVid、COCO、PASCAL-VOC2012など、いくつかのベンチマークデータセットで厳格にテストされています。その結果,画像解析における様々な応用の可能性を示し,高いセグメンテーション精度を実現する上で,提案手法の有効性が示された。
論文参考訳（メタデータ） (2024-02-08T22:58:06Z)
CalibNet: Dual-branch Cross-modal Calibration for RGB-D Salient Instance Segmentation [88.50067783122559]
CalibNetは3つの単純なモジュール、動的インタラクティブカーネル(DIK)と重量共有融合(WSF)で構成されている。実験の結果、CalibNetは、COME15K-Nテストセット上で320*480の入力サイズを持つ58.0% APという有望な結果をもたらすことが示された。
論文参考訳（メタデータ） (2023-07-16T16:49:59Z)
FCN-Transformer Feature Fusion for Polyp Segmentation [12.62213319797323]
大腸内視鏡は大腸癌の早期発見のための金標準法として広く認められている。大腸内視鏡画像におけるポリープのマニュアルセグメンテーションは時間を要する。ポリプセグメンテーションの自動化におけるディープラーニングの利用が重要になっている。
論文参考訳（メタデータ） (2022-08-17T15:31:06Z)
Occlusion-Aware Instance Segmentation via BiLayer Network Architectures [73.45922226843435]
本稿では,2層畳み込みネットワーク(BCNet)を提案する。このネットワークでは,トップ層がオブジェクト(オブオーバ)を検出し,ボトム層が部分的にオブオーバドされたインスタンス(オブオーバド)を推測する。一般的な畳み込みネットワーク設計,すなわちFCN(Fully Convolutional Network)とGCN(Graph Convolutional Network)を用いた2層構造の有効性について検討する。
論文参考訳（メタデータ） (2022-08-08T21:39:26Z)
Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文参考訳（メタデータ） (2022-02-21T15:30:14Z)
Image-free single-pixel segmentation [3.3808025405314086]
本稿では,画像のない単一画素分割技術について報告する。この技術は、構造的照明と単画素検出を組み合わせることで、シーンのセグメンテーション情報を効率的にサンプリングし、多重化する。この画像自由分割技術は、UAVや無人車両など、様々なリソース制限されたプラットフォームに広く応用できると期待する。
論文参考訳（メタデータ） (2021-08-24T10:06:53Z)
Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
論文参考訳（メタデータ） (2021-07-25T08:53:59Z)
Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文参考訳（メタデータ） (2021-04-02T02:07:37Z)
A Systematic Approach for MRI Brain Tumor Localization, and Segmentation using Deep Learning and Active Contouring [0.0]
腫瘍境界のアノテーションとセグメンテーションのための3倍のディープラーニングアーキテクチャを提案する。 Chan-Vesesegmentationアルゴリズムを用いて, セグメンテーションプロセスの腫瘍境界を検出する。グリオーマと髄膜腫のセグメンテーションにおける提案アーキテクチャの全体的な性能は平均的なサイススコア0.92である。
論文参考訳（メタデータ） (2021-02-06T07:53:02Z)
Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
論文参考訳（メタデータ） (2020-03-11T08:45:53Z)

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。