論文の概要: RCNN for Region of Interest Detection in Whole Slide Images

• arxiv url: http://arxiv.org/abs/2009.07532v2
• Date: Fri, 18 Sep 2020 01:14:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 23:46:30.890695
• Title: RCNN for Region of Interest Detection in Whole Slide Images
• Title（参考訳）: 全スライド画像における関心領域検出のためのRCNN
• Authors: A Nugaliyadde, Kok Wai Wong, Jeremy Parry, Ferdous Sohel, Hamid Laga, Upeka V. Somaratne, Chris Yeomans, Orchid Foster
• Abstract要約: 本稿では,深層学習技術であるRCNNを用いた全スライド画像(WSI)の関心領域の検出について検討する。 実験ではオーストラリア西部の公立病院でWSIを使用した。 RCNNモデルのトレーニングには60のWSIと、テストには12のWSIを使用しました。 その結果, RCNN は WSI からのROI 検出に有効であることがわかった。
• 参考スコア（独自算出の注目度）: 5.002912251448597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital pathology has attracted significant attention in recent years. Analysis of Whole Slide Images (WSIs) is challenging because they are very large, i.e., of Giga-pixel resolution. Identifying Regions of Interest (ROIs) is the first step for pathologists to analyse further the regions of diagnostic interest for cancer detection and other anomalies. In this paper, we investigate the use of RCNN, which is a deep machine learning technique, for detecting such ROIs only using a small number of labelled WSIs for training. For experimentation, we used real WSIs from a public hospital pathology service in Western Australia. We used 60 WSIs for training the RCNN model and another 12 WSIs for testing. The model was further tested on a new set of unseen WSIs. The results show that RCNN can be effectively used for ROI detection from WSIs.
• Abstract（参考訳）: 近年、デジタル病理学が注目されている。 全体スライド画像(WSI)の解析は,ギガピクセルの解像度が非常に大きいため困難である。 関心領域の同定(rois)は、病理学者ががんの検出やその他の異常に対する診断関心領域をさらに分析する最初のステップである。 本稿では,学習用ラベル付きWSIのみを用いて,深層学習技術であるRCNNを用いて,これらのROIを検出する手法について検討する。 実験には,西オーストラリア州にある公立病院の病理サービスから,実際のwsisを用いた。 RCNNモデルのトレーニングには60のWSIと、テストには12のWSIを使用しました。 このモデルは、目に見えない新しいWSIセットでさらにテストされた。 その結果, RCNN は WSI からのROI 検出に有効であることがわかった。

関連論文リスト

• Semantic Segmentation Based Quality Control of Histopathology Whole Slide Images [2.953447779233234]
  We developed a software pipeline for quality control (QC) of histopathology whole slide images (WSIs)。 異なるレベルのぼかし、組織領域、組織折り、ペンマークなど、さまざまな領域を区分する。 TCGAは、28の臓器から11,000以上の病理像を含むWSIデータセットとして最大である。
  論文  参考訳（メタデータ） (2024-10-04T10:03:04Z)
• Active Learning Enhances Classification of Histopathology Whole Slide Images with Attention-based Multiple Instance Learning [48.02011627390706]
  我々は、注意に基づくMILをトレーニングし、データセット内の各画像に対する信頼度を算出し、専門家のアノテーションに対して最も不確実なWSIを選択する。 新たな注意誘導損失により、各クラスにアノテートされた領域がほとんどない、トレーニングされたモデルの精度が向上する。 将来的には、病理組織学における癌分類の臨床的に関連する文脈において、MILモデルのトレーニングに重要な貢献をする可能性がある。
  論文  参考訳（メタデータ） (2023-03-02T15:18:58Z)
• RLogist: Fast Observation Strategy on Whole-slide Images with Deep Reinforcement Learning [15.955265218706467]
  計算病理学における全スライディング画像(WSI)は、高解像度でギガピクセルサイズを持つが、一般的には少ない関心領域を持つ。 我々は,WSI 上での高速観測戦略のための深層強化学習 (DRL) 手法である RLogist を開発した。
  論文  参考訳（メタデータ） (2022-12-04T04:03:34Z)
• Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
  視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。 以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T09:07:45Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Follow My Eye: Using Gaze to Supervise Computer-Aided Diagnosis [54.60796004113496]
  医用画像を読む放射線科医の眼球運動は,DNNベースのコンピュータ支援診断システム(CAD)を訓練するための新たな指導形態であることが実証された。 画像を読んでいるときに、放射線科医の視線を記録します。 視線情報は処理され、アテンション一貫性モジュールを介してDNNの注意を監督するために使用される。
  論文  参考訳（メタデータ） (2022-04-06T08:31:05Z)
• The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks [68.8204255655161]
  本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。 The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
  論文  参考訳（メタデータ） (2021-12-19T15:17:20Z)
• Histopathology WSI Encoding based on GCNs for Scalable and Efficient Retrieval of Diagnostically Relevant Regions [12.046685035776026]
  提案するフレームワークは階層型グラフ畳み込みネットワーク(GCN)とHash技術に基づいている。 ROIのサイズと形状の変化の両方に優れたスケーラビリティがあります。 病理学者は組織の出現に応じて自由曲線を用いて問合せ領域を定義することができる。
  論文  参考訳（メタデータ） (2021-04-16T04:12:33Z)
• A State-of-the-art Survey of Artificial Neural Networks for Whole-slide Image Analysis:from Popular Convolutional Neural Networks to Potential Visual Transformers [18.031804027273292]
  ホイルスライド画像(WSI)は, 疾患の診断と解析において, 徐々に重要な役割を担っている。 病理学者の仕事の客観性および正確さを高めるために、人工ニューラルネットワーク(ANN)の方法は一般に必要でした。
  論文  参考訳（メタデータ） (2021-04-13T14:39:33Z)
• A Comparative Study of U-Net Topologies for Background Removal in Histopathology Images [0.0]
  我々は異なるネットワークバックボーンでU-Netアーキテクチャの実験を行い、背景とWhole Slide Imagesのアーティファクトを除去する。 我々は,The Cancer Genome Atlas (TCGA)データセットを手作業でラベル付けしたサブセットを用いてネットワークをトレーニングし,評価した。
  論文  参考訳（メタデータ） (2020-06-08T16:41:44Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。