論文の概要: CryoNuSeg: A Dataset for Nuclei Instance Segmentation of Cryosectioned
H&E-Stained Histological Images
- arxiv url: http://arxiv.org/abs/2101.00442v1
- Date: Sat, 2 Jan 2021 12:34:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 07:14:20.844038
- Title: CryoNuSeg: A Dataset for Nuclei Instance Segmentation of Cryosectioned
H&E-Stained Histological Images
- Title（参考訳）: CryoNuSeg:Cryosectioned H&E-Stained Histological ImageのNuclei Instance Segmentationのためのデータセット
- Authors: Amirreza Mahbod, Gerald Schaefer, Benjamin Bancher, Christine L\"ow,
Georg Dorffner, Rupert Ecker, Isabella Ellinger
- Abstract要約: 完全アノテートされたfs由来のcryosectionedおよびh&e-stained nuclear instance segmentationデータセットであるcryonusegを紹介する。
データセットには、他の公開データセットでは利用されなかった10のヒト臓器の画像が含まれている。
- 参考スコア（独自算出の注目度）: 2.809445852388983
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nuclei instance segmentation plays an important role in the analysis of
Hematoxylin and Eosin (H&E)-stained images. While supervised deep learning
(DL)-based approaches represent the state-of-the-art in automatic nuclei
instance segmentation, annotated datasets are required to train these models.
There are two main types of tissue processing protocols, namely formalin-fixed
paraffin-embedded samples (FFPE) and frozen tissue samples (FS). Although
FFPE-derived H&E stained tissue sections are the most widely used samples, H&E
staining on frozen sections derived from FS samples is a relevant method in
intra-operative surgical sessions as it can be performed fast. Due to
differences in the protocols of these two types of samples, the derived images
and in particular the nuclei appearance may be different in the acquired whole
slide images. Analysis of FS-derived H&E stained images can be more challenging
as rapid preparation, staining, and scanning of FS sections may lead to
deterioration in image quality.
In this paper, we introduce CryoNuSeg, the first fully annotated FS-derived
cryosectioned and H&E-stained nuclei instance segmentation dataset. The dataset
contains images from 10 human organs that were not exploited in other publicly
available datasets, and is provided with three manual mark-ups to allow
measuring intra-observer and inter-observer variability. Moreover, we
investigate the effects of tissue fixation/embedding protocol (i.e., FS or
FFPE) on the automatic nuclei instance segmentation performance of one of the
state-of-the-art DL approaches. We also create a baseline segmentation
benchmark for the dataset that can be used in future research.
A step-by-step guide to generate the dataset as well as the full dataset and
other detailed information are made available to fellow researchers at
https://github.com/masih4/CryoNuSeg.
- Abstract（参考訳）: 核インスタンスセグメンテーションは、ヘマトキシリンとエオシン(H&E)染色画像の解析において重要な役割を果たす。
教師付きディープラーニング(DL)ベースのアプローチは、自動核インスタンスセグメンテーションの最先端を表現しているが、これらのモデルのトレーニングには注釈付きデータセットが必要である。
組織処理プロトコルには、ホルマリン固定パラフィン埋め込みサンプル(FFPE)と凍結組織サンプル(FS)の2種類がある。
FFPE由来のH&E染色組織は最も広く用いられている標本であるが,FS試料由来の凍結した部位のH&E染色は術中手術において,高速に行うことができるため重要な方法である。
これらの2種類のサンプルのプロトコルが異なるため、得られた画像と、特に核の外観は、取得した全スライド画像で異なる可能性がある。
FS領域の高速な調製, 染色, 走査により, 画質が劣化する可能性があるため, H&E染色画像の解析は困難である。
本稿では,fs-from cryosectioned および h&e-stained nuclei instance segmentation データセットである cryonuseg について述べる。
データセットには、他の公開データセットでは利用されていない10の人間の臓器の画像が含まれており、オブザーバ内およびオブザーバ間変動を測定するための3つの手動マークアップが提供されている。
さらに, 組織固定・埋め込みプロトコル(FSまたはFFPE)が, 最先端のDLアプローチの1つの自動核インスタンス分割性能に及ぼす影響について検討した。
また、将来の研究で使用できるデータセットのベースラインセグメンテーションベンチマークを作成します。
データセットやデータセット、その他の詳細な情報はhttps://github.com/masih4/cryonuseg.comの同僚研究者に提供されている。
関連論文リスト
- Diffusion-based Data Augmentation for Nuclei Image Segmentation [68.28350341833526]
核セグメンテーションのための拡散法を初めて導入する。
このアイデアは、多数のラベル付き画像を合成し、セグメンテーションモデルを訓練することを目的としている。
実験の結果,10%のラベル付き実データセットを合成サンプルで拡張することにより,同等のセグメンテーション結果が得られることがわかった。
論文 参考訳（メタデータ） (2023-10-22T06:16:16Z) - DIAS: A Dataset and Benchmark for Intracranial Artery Segmentation in DSA sequences [19.61593883367223]
血管形態の定量化にはDSA(Digital Subtraction Angiography)の頭蓋内動脈(IA)が重要である。
現在の研究は、主にプロプライエタリデータセットを使用した単一フレームDSAのセグメンテーションに焦点を当てている。
DSAシークエンスにおけるIAセグメンテーションのためのデータセットであるDIASを紹介する。
論文 参考訳（メタデータ） (2023-06-21T10:03:56Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳（メタデータ） (2023-02-03T13:50:25Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - A new dataset for measuring the performance of blood vessel segmentation methods under distribution shifts [0.0]
VessMAPは、より大きな非注釈データセットから関連画像を慎重にサンプリングして取得した異種血管セグメンテーションデータセットである。
ベースデータセットから原型と非典型の両方を選択する手法を開発した。
新しいデータセットの可能性を示すために、ニューラルネットワークの検証性能は、ネットワークのトレーニングに使用する分割によって大きく変化することを示す。
論文 参考訳（メタデータ） (2023-01-11T15:31:15Z) - SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors [4.2663199451998475]
網膜層セグメンテーションタスクに半教師付きパラダイムを導入する。
特に、表面位置回帰をピクセル単位で構造化されたセグメンテーションに変換するために、新しい完全微分可能なアプローチが用いられる。
並行して,ラベル付きデータの限られた量が利用できる場合に,ネットワークトレーニングを改善するための解剖学的事前セットを提案する。
論文 参考訳（メタデータ） (2022-07-01T14:30:59Z) - CS$^2$: A Controllable and Simultaneous Synthesizer of Images and
Annotations with Minimal Human Intervention [3.465671939864428]
実写画像と対応するアノテーションを同時に生成する新しい制御可能同時合成器(CS$2$)を提案する。
提案するコントリビューションには,1)参照CT画像からスタイル情報と教師なしセグメンテーションマスクから構造情報の両方を受信する条件付き画像合成ネットワーク,2)これらの合成画像を自動的にセグメンテーションする対応するセグメンテーションマスクネットワークがある。
論文 参考訳（メタデータ） (2022-06-20T15:09:10Z) - Deep Feature based Cross-slide Registration [13.271717388861557]
クロススライダー画像解析は、単一スライド解析と比較して異なるバイオマーカーの表現を分析することで追加情報を提供する。
本稿では,データ駆動型特徴量を利用して剛性変換を推定するDFBR法を提案する。
論文 参考訳（メタデータ） (2022-02-21T03:25:12Z) - Unsupervised Instance Segmentation in Microscopy Images via Panoptic
Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。
まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。
第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文 参考訳（メタデータ） (2020-05-05T11:08:26Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。