論文の概要: Structure Preserving Stain Normalization of Histopathology Images Using Self-Supervised Semantic Guidance

• arxiv url: http://arxiv.org/abs/2008.02101v3
• Date: Thu, 3 Jun 2021 15:35:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 18:48:41.781920
• Title: Structure Preserving Stain Normalization of Histopathology Images Using Self-Supervised Semantic Guidance
• Title（参考訳）: 自己監督的セマンティックガイダンスを用いた病理像の正常化のための構造保存
• Authors: Dwarikanath Mahapatra, Behzad Bozorgtabar, Jean-Philippe Thiran, Ling Shao
• Abstract要約: 本稿では,GANに基づく染色正規化フレームワークにセマンティックガイダンスを組み込むための自己教師型アプローチを提案する。 本手法では,既存の手法に対して大きな優位性を持つ手動分割マップを必要としない。
• 参考スコア（独自算出の注目度）: 84.7571086566595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although generative adversarial network (GAN) based style transfer is state of the art in histopathology color-stain normalization, they do not explicitly integrate structural information of tissues. We propose a self-supervised approach to incorporate semantic guidance into a GAN based stain normalization framework and preserve detailed structural information. Our method does not require manual segmentation maps which is a significant advantage over existing methods. We integrate semantic information at different layers between a pre-trained semantic network and the stain color normalization network. The proposed scheme outperforms other color normalization methods leading to better classification and segmentation performance.
• Abstract（参考訳）: GAN (generative adversarial network) をベースとしたスタイル転送は, 病理組織学的に有色正常化の最先端であるが, 組織構造情報を明示的に統合するものではない。 本稿では,GANに基づく染色正規化フレームワークにセマンティックガイダンスを導入し,詳細な構造情報を保存するための自己教師型アプローチを提案する。 本手法では,既存の手法に対して大きな優位性を持つ手動分割マップを必要としない。 我々は,事前学習した意味ネットワークと染色色正規化ネットワークの異なる層における意味情報を統合する。 提案手法は、他の色正規化法よりも優れた分類とセグメンテーション性能をもたらす。

関連論文リスト

• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• Structured Gradient-based Interpretations via Norm-Regularized Adversarial Training [18.876749156797935]
  勾配に基づくサリエンシマップは、現実のコンピュータビジョンモデルへの応用において、空間性や接続性のような望ましい構造を欠いていることが多い。 勾配に基づく正則写像にスパーシティ構造を誘導するためのよく使われるアプローチは、スパーシフィケーションやノルムベースの正則化を用いて単純な勾配スキームを変更することである。 そこで本研究では,ニューラルネットワークを単純な勾配マップで学習するプロセス内スキームとして,逆トレーニングを適用することを提案する。
  論文  参考訳（メタデータ） (2024-04-06T14:49:36Z)
• ConDiSR: Contrastive Disentanglement and Style Regularization for Single Domain Generalization [42.810247034149214]
  医療データは、しばしば分散シフトを示し、標準パイプラインを使用してトレーニングされたディープラーニングモデルのテスト時のパフォーマンス劣化を引き起こす。 本研究は、分類タスクの文脈において、単一ドメインの一般化フレームワークを探索することの重要性と課題を強調した。
  論文  参考訳（メタデータ） (2024-03-14T13:50:44Z)
• RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification [0.8386558353546658]
  網膜血管の徹底的な解析は、血管の分画と動脈と静脈への分類を必要とする。 本稿では,この制限に対処する新しいエンドツーエンドディープラーニングフレームワークRRWNetを紹介する。 特にRRWNetは、入力画像からベースセグメンテーションマップを生成するBaseサブネットワークと、これらのマップを反復的に改善するRecursive Refinementサブネットワークである。
  論文  参考訳（メタデータ） (2024-02-05T16:35:29Z)
• Discovering Class-Specific GAN Controls for Semantic Image Synthesis [73.91655061467988]
  本稿では,事前訓練されたSISモデルの潜在空間において,空間的に不整合なクラス固有方向を求める新しい手法を提案する。 提案手法によって検出される潜在方向は,セマンティッククラスの局所的な外観を効果的に制御できることを示す。
  論文  参考訳（メタデータ） (2022-12-02T21:39:26Z)
• Unsupervised Domain Adaptation for Semantic Segmentation via Low-level Edge Information Transfer [27.64947077788111]
  セマンティックセグメンテーションのための教師なしドメイン適応は、合成データに基づいて訓練されたモデルを実際の画像に適応させることを目的としている。 従来の特徴レベルの対数学習手法は、高レベルの意味的特徴に適応するモデルのみを考慮していた。 本稿では,ドメイン間ギャップが小さい低レベルエッジ情報を明示的に利用して意味情報の伝達をガイドする試みについて紹介する。
  論文  参考訳（メタデータ） (2021-09-18T11:51:31Z)
• Mixup-CAM: Weakly-supervised Semantic Segmentation via Uncertainty Regularization [73.03956876752868]
  我々は、ネットワークがオブジェクトの他の部分に注意を払うことを可能にする、原則的でエンドツーエンドのトレーニング可能なフレームワークを提案する。 具体的には、ミックスアップデータ拡張方式を分類ネットワークに導入し、2つの不確実な正規化項を設計し、ミックスアップ戦略をよりよく扱う。
  論文  参考訳（メタデータ） (2020-08-03T21:19:08Z)
• GCN for HIN via Implicit Utilization of Attention and Meta-paths [104.24467864133942]
  不均一情報ネットワーク(HIN)埋め込みは、HINの構造と意味情報を分散表現にマッピングすることを目的としている。 本稿では,注意とメタパスを暗黙的に活用するニューラルネットワーク手法を提案する。 まず、各層で識別集約を行う多層グラフ畳み込みネットワーク(GCN)フレームワークを用いる。 次に,アグリゲーションから分離可能な新しい伝搬操作を導入することにより,効果的な緩和と改善を行う。
  論文  参考訳（メタデータ） (2020-07-06T11:09:40Z)
• Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
  グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。 本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
  論文  参考訳（メタデータ） (2020-03-27T08:32:16Z)

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。