Fugu-MT 論文翻訳(概要): DETCID: Detection of Elongated Touching Cells with Inhomogeneous Illumination using a Deep Adversarial Network

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

Automated Segmentation and Analysis of Cone Photoreceptors in Multimodal Adaptive Optics Imaging [3.7243418909643093]
共焦点・非共焦点分割検出器画像を用いて光受容体を解析し,精度を向上した。共焦点のためのStarDistと計算モダリティのためのCellposeの2つのU-Netセグメンテーションモデルについて検討した。
論文参考訳（メタデータ） (2024-10-19T17:10:38Z)
Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文参考訳（メタデータ） (2024-09-11T11:12:26Z)
StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文参考訳（メタデータ） (2024-08-11T01:22:29Z)
Enhancing Cell Instance Segmentation in Scanning Electron Microscopy Images via a Deep Contour Closing Operator [0.04568852250743578]
そこで本研究では,SEM画像のインスタンスベースセルセグメンテーションを改善するために,境界線を精製するAI駆動方式を提案する。 CNN COp-Netは、細胞輪郭のギャップに対処するために導入され、不十分な情報や欠落した情報のある領域で効果的に満たされる。 PDX肝芽腫組織からのプライベートSEM画像と公開画像データセットの両方を用いて,細胞境界の精度を高めるためのアプローチの有効性を示した。
論文参考訳（メタデータ） (2024-07-22T17:32:06Z)
Advancing Cell Detection in Anterior Segment Optical Coherence Tomography Images [5.726632481428478]
前部ぶどう膜炎(英: Anterior uveitis)は、眼炎の一種であり、早期に診断されない場合、永久的な視力喪失を引き起こす。この状態を監視するには、眼前室の炎症細胞を定量化する必要がある。本稿では,AS-OCT画像中の細胞を自動検出するフレームワークを提案する。
論文参考訳（メタデータ） (2024-06-25T14:18:42Z)
Practical Guidelines for Cell Segmentation Models Under Optical Aberrations in Microscopy [14.042884268397058]
本研究は,光収差下でのセル画像のセグメンテーションモデルについて,蛍光顕微鏡と光電場顕微鏡を用いて評価する。ネットワークヘッドの異なるOstoしきい値法やMask R-CNNなどのセグメンテーションモデルをトレーニングし,テストする。対照的に、Cellpose 2.0は同様の条件下で複雑な細胞画像に有効であることが証明されている。
論文参考訳（メタデータ） (2024-04-12T15:45:26Z)
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)
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)
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)

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。