論文の概要: Synthetic Generation of Three-Dimensional Cancer Cell Models from Histopathological Images

• arxiv url: http://arxiv.org/abs/2101.11600v2
• Date: Mon, 8 Feb 2021 07:22:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-13 19:35:50.798791
• Title: Synthetic Generation of Three-Dimensional Cancer Cell Models from Histopathological Images
• Title（参考訳）: 病理組織像からの3次元癌細胞モデルの合成
• Authors: Yoav Alon and Xiang Yu and Huiyu Zhou
• Abstract要約: 本論文では,発電機識別パターンに基づく合成3次元ヒストロジーモデル生成のための新しい枠組みを提案する。 提案アルゴリズムは、低いフリーチェット・インセプションスコアなどの比較評価指標において、高い定量的および定性的な合成を実現する。
• 参考スコア（独自算出の注目度）: 19.778965983551114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthetic generation of three-dimensional cell models from histopathological images aims to enhance understanding of cell mutation, and progression of cancer, necessary for clinical assessment and optimal treatment. Classical reconstruction algorithms based on image registration of consecutive slides of stained tissues are prone to errors and often not suitable for the training of three-dimensional segmentation algorithms. We propose a novel framework to generate synthetic three-dimensional histological models based on a generator-discriminator pattern optimizing constrained features that construct a 3D model via a Blender interface exploiting smooth shape continuity typical for biological specimens. To capture the spatial context of entire cell clusters we deploy a novel deep topology transformer that implements and attention mechanism on cell group images to extract features for the frozen feature decoder. The proposed algorithms achieves high quantitative and qualitative synthesis evident in comparative evaluation metrics such as a low Frechet-Inception scores.
• Abstract（参考訳）: 組織病理学的画像から三次元細胞モデルの合成生成は、臨床評価および最適な治療に必要な細胞突然変異の理解、および癌の進行を促進することを目的とする。 染色組織の連続スライス画像の登録に基づく古典的再構成アルゴリズムは誤りが多く,三次元セグメンテーションアルゴリズムの訓練には適さないことが多い。 生物検体に典型的な滑らかな形状連続性を利用したBlenderインタフェースを用いて3次元モデルを構成する制約特徴を最適化するジェネレータ・ディスクリミネータパターンに基づく合成三次元組織モデルを生成する新しいフレームワークを提案する。 細胞クラスタ全体の空間的コンテキストをキャプチャするために、細胞群画像に注意メカニズムを実装し、凍結特徴デコーダの機能を抽出する新しいディープトポロジトランスをデプロイします。 提案アルゴリズムは、低いフリーチェット・インセプションスコアなどの比較評価指標において、高い定量的および定性的な合成を実現する。

関連論文リスト

• Single-shot reconstruction of three-dimensional morphology of biological cells in digital holographic microscopy using a physics-driven neural network [6.49455647840014]
  再構成3次元形態の単一ショットのための新しい深層学習モデルMorpHoloNetを提案する。 MorpHoloNetは、センサ面上の模擬ホログラムと入力ホログラムの間の損失を最小限にすることで最適化される。 単発ホログラムから3次元複素光場と試験試料の3次元形態を直接再構成することができる。
  論文  参考訳（メタデータ） (2024-09-30T07:15:36Z)
• Zero123-6D: Zero-shot Novel View Synthesis for RGB Category-level 6D Pose Estimation [66.3814684757376]
  本研究は,RGB 6Dのカテゴリレベルでのポーズ推定を向上するための拡散モデルに基づく新規ビュー合成器の実用性を示す最初の研究であるZero123-6Dを示す。 本手法は,データ要求の低減,ゼロショットカテゴリレベルの6Dポーズ推定タスクにおける深度情報の必要性の除去,およびCO3Dデータセットの実験により定量的に示された性能の向上を示す。
  論文  参考訳（メタデータ） (2024-03-21T10:38:18Z)
• Three-dimensional numerical schemes for the segmentation of the psoas muscle in X-ray computed tomography images [0.0]
  形態的,機能的画像像における底筋の解析は,サルコニアを評価するための正確なアプローチであることが判明した。 本研究は,低線量X線CT画像における3次元数値計算手法を用いた。
  論文  参考訳（メタデータ） (2023-12-10T13:37:39Z)
• SynCLay: Interactive Synthesis of Histology Images from Bespoke Cellular Layouts [0.5249805590164901]
  我々は,現実的で高品質な組織像を構築できるSynCLayという新しいフレームワークを提案する。 我々は、SynCLayを対角的に訓練し、核分割と分類モデルを統合する。 本研究では,本フレームワークによって生成された合成データを用いて,限られた実データを増やすことで,細胞組成予測タスクの予測性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-12-28T11:07:00Z)
• Pathology Synthesis of 3D-Consistent Cardiac MR Images using 2D VAEs and GANs [0.5039813366558306]
  本稿では,教師付きディープラーニング(DL)トレーニングの適用のためのラベル付きデータを生成する手法を提案する。 画像合成はラベル変形とラベルから画像への変換からなる。 心臓MRI画像のデータベースを多様化・拡張する手法として,このようなアプローチが有効であることを示す。
  論文  参考訳（メタデータ） (2022-09-09T10:17:49Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• Free-form tumor synthesis in computed tomography images via richer generative adversarial network [25.20811195237978]
  本稿では,CT画像における3次元腫瘍/レセオン合成のための,よりリッチな生成対向ネットワークを提案する。 このネットワークは、新しいリッチな畳み込み特徴強化拡張拡張型ジェネレータ(richerdg)とハイブリッド損失関数で構成されている。
  論文  参考訳（メタデータ） (2021-04-20T00:49:35Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Hierarchical Amortized Training for Memory-efficient High Resolution 3D GAN [52.851990439671475]
  本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。 トレーニングと推論の異なる構成を使用することで、この目標を達成する。 3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-05T02:33:04Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。