論文の概要: DETCID: Detection of Elongated Touching Cells with Inhomogeneous
Illumination using a Deep Adversarial Network
- arxiv url: http://arxiv.org/abs/2007.06716v1
- Date: Mon, 13 Jul 2020 21:43:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 23:51:28.503448
- Title: DETCID: Detection of Elongated Touching Cells with Inhomogeneous
Illumination using a Deep Adversarial Network
- Title(参考訳): DETCID:Deep Adversarial Networkを用いた非均一照明による伸長タッチ細胞の検出
- Authors: Ali Memariani and Ioannis A. Kakadiaris
- Abstract要約: Clostridioides difficile infection (C. diff) は、米国の病院における二次感染による死の最も一般的な原因である。
- 参考スコア(独自算出の注目度): 5.076419064097733
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Clostridioides difficile infection (C. diff) is the most common cause of
death due to secondary infection in hospital patients in the United States.
Detection of C. diff cells in scanning electron microscopy (SEM) images is an
important task to quantify the efficacy of the under-development treatments.
However, detecting C. diff cells in SEM images is a challenging problem due to
the presence of inhomogeneous illumination and occlusion. An Illumination
normalization pre-processing step destroys the texture and adds noise to the
image. Furthermore, cells are often clustered together resulting in touching
cells and occlusion. In this paper, DETCID, a deep cell detection method using
adversarial training, specifically robust to inhomogeneous illumination and
occlusion, is proposed. An adversarial network is developed to provide region
proposals and pass the proposals to a feature extraction network. Furthermore,
a modified IoU metric is developed to allow the detection of touching cells in
various orientations. The results indicate that DETCID outperforms the
state-of-the-art in detection of touching cells in SEM images by at least 20
percent improvement of mean average precision.
- Abstract(参考訳): clostridioides difficile infection (c. diff) は、アメリカ合衆国の病院における二次感染による最も一般的な死因である。
走査型電子顕微鏡(SEM)画像におけるC. diff細胞の検出は, 未開発処理の有効性を定量化する重要な課題である。
しかし, sem画像におけるc. diff細胞の検出は, 不均質な照明や咬合の存在による課題である。
照明正規化前処理ステップはテクスチャを破壊し、画像にノイズを加える。
さらに、しばしば細胞は集団化され、触覚細胞や閉塞が生じる。
本稿では,不均質な照明や咬合に特に頑健な,逆行訓練を用いた深部細胞検出法であるdetcidを提案する。
地域提案を提供し、提案を特徴抽出ネットワークに渡すために、逆ネットワークが開発されている。
さらに,様々な方向の接触細胞を検出するための改良iouメトリックを開発した。
その結果,SEM画像における触覚細胞検出におけるDECIDの精度は,平均精度の20%以上向上した。
関連論文リスト
- Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳(メタデータ) (2023-10-22T02:27:02Z) - Improving Vision Anomaly Detection with the Guidance of Language
Modality [64.53005837237754]
本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。
本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。
視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
論文 参考訳(メタデータ) (2023-10-04T13:44:56Z) - Dual-View Selective Instance Segmentation Network for Unstained Live
Adherent Cells in Differential Interference Contrast Images [11.762090096790823]
接着細胞は低コントラスト構造、フェーディングエッジ、不規則な形態を有する。
DIC画像中の非定常付着細胞をセグメント化するための新しいディープラーニングアルゴリズムを開発した。
このアルゴリズムは、ベンチマークを23.6%上回る0.555のAP_segmを達成する。
論文 参考訳(メタデータ) (2023-01-27T02:22:33Z) - 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) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳(メタデータ) (2022-10-13T15:34:20Z) - Gastrointestinal Polyps and Tumors Detection Based on Multi-scale
Feature-fusion with WCE Sequences [0.0]
本稿では,小腸ポリープと腫瘍を自動的に検出するtextbfTwo-stage textbfMulti-scale textbfFeature-fusion Learning Network(textbfTMFNet)を提案する。
実験では22,335個のWCE画像を用いて,123,092個の病変領域を用いて検出の枠組みを訓練した。
論文 参考訳(メタデータ) (2022-04-03T07:24:50Z) - Cell segmentation from telecentric bright-field transmitted light
microscopic images using a Residual Attention U-Net: a case study on HeLa
line [0.0]
明視野光顕微鏡画像からのリビング細胞分画は、生体細胞の画像の複雑さと時間的変化のために困難である。
近年, 深層学習(DL)に基づく手法が, その成功と有望な成果により, 医用・顕微鏡画像分割作業で普及している。
本研究の目的は,HeLa線の生きた細胞を光電場透過顕微鏡で分断する深層学習型UNet法を開発することである。
論文 参考訳(メタデータ) (2022-03-23T09:20:30Z) - 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) - Deeply-Supervised Density Regression for Automatic Cell Counting in
Microscopy Images [9.392002197101965]
顕微鏡画像中の細胞を自動的にカウントする密度回帰に基づく新しい手法を提案する。
提案手法は, 従来のレグレッションベース手法と比較して, 2つのイノベーションを処理している。
4つのデータセットで評価した実験により,提案手法の優れた性能が示された。
論文 参考訳(メタデータ) (2020-11-07T04:02:47Z) - Boosted EfficientNet: Detection of Lymph Node Metastases in Breast
Cancer Using Convolutional Neural Network [6.444922476853511]
The Convolutional Neutral Network (CNN) は乳癌のリンパ節転移の予測と分類に応用されている。
そこで本研究では,小さな解像度画像を容易にするためのRandom Center Cropping (RCC) という新しいデータ拡張手法を提案する。
論文 参考訳(メタデータ) (2020-10-10T15:18:56Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳(メタデータ) (2020-02-25T14:48:17Z)
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。