Fugu-MT 論文翻訳(概要): Easy-GT: Open-Source Software to Facilitate Making the Ground Truth for White Blood Cells Nucleus

論文の概要: Easy-GT: Open-Source Software to Facilitate Making the Ground Truth for White Blood Cells Nucleus

arxiv url: http://arxiv.org/abs/2101.11654v1
Date: Wed, 27 Jan 2021 19:24:36 GMT
ステータス: 処理完了
システム内更新日: 2021-02-01 19:15:55.800561
Title: Easy-GT: Open-Source Software to Facilitate Making the Ground Truth for White Blood Cells Nucleus
Title（参考訳）: Easy-GT: 白血球核の根拠を作るためのオープンソースソフトウェア
Authors: Seyedeh-Zahra Mousavi Kouzehkanan, Islam Tavakoli, Arezoo Alipanah
Abstract要約: 白血球(WBC)の核は、その検出と分類において重要な役割を担っている。本稿では,WBCs核の基底真実を高速かつ容易に作成するための,Easy-GTと呼ばれるインテリジェントなオープンソースソフトウェアを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The nucleus of white blood cells (WBCs) plays a significant role in their detection and classification. Appropriate feature extraction of the nucleus is necessary to fit a suitable artificial intelligence model to classify WBCs. Therefore, designing a method is needed to segment the nucleus accurately. The detected nuclei should be compared with the ground truths identified by a hematologist to obtain a proper performance evaluation of the nucleus segmentation method. It is a time-consuming and tedious task for experts to establish the ground truth manually. This paper presents an intelligent open-source software called Easy-GT to create the ground truth of WBCs nucleus faster and easier. This software first detects the nucleus by employing a new otsus thresholding based method with a dice similarity coefficient (DSC) of 95.42 %; the hematologist can then create a more accurate ground truth, using the designed buttons to modify the threshold value. This software can speed up ground truths forming process more than six times.
Abstract（参考訳）: 白血球(WBC)の核は、その検出と分類において重要な役割を果たします。 WBCを分類するために適切な人工知能モデルに適合するために、核の適切な特徴抽出が必要です。したがって、核を正確に分割する手法を設計する必要がある。検出された核は、血液学者が同定した基底真理と比較し、核分割法の適切な性能評価を得るべきである。専門家が手動で根本真理を確立するのは、時間と手間のかかる作業です。本稿では,WBCs核の基底真実を高速かつ容易に作成するための,Easy-GTと呼ばれるインテリジェントなオープンソースソフトウェアを提案する。このソフトウェアはまず、95.42%のダイス類似係数(DSC)を持つ新しいOtsusしきい値ベースの方法を用いて核を検知し、その後、設計されたボタンを用いて閾値を変更することによってより正確な基底真理を生成する。このソフトウェアは、真理形成プロセスを6回以上スピードアップすることができる。

関連論文リスト

LKCell: Efficient Cell Nuclei Instance Segmentation with Large Convolution Kernels [32.157968641130545]
高精度で効率的なセル分割法であるLKCellを提案する。その中心となる洞察は、計算効率のよい大きな受容場を達成するために、大きな畳み込みカーネルのポテンシャルを解き放つことである。我々は,従来の手法の冗長性を解析し,大規模な畳み込みカーネルに基づく新しいセグメンテーションデコーダを設計する。
論文参考訳（メタデータ） (2024-07-25T14:07:49Z)
Prompt-based Grouping Transformer for Nucleus Detection and Classification [70.55961378096116]
核の検出と分類は、疾患の診断に有効な情報を生み出す。既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
論文参考訳（メタデータ） (2023-10-22T04:50:48Z)
A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
論文参考訳（メタデータ） (2022-11-16T00:11:04Z)
Comparative analysis of deep learning approaches for AgNOR-stained cytology samples interpretation [52.77024349608834]
本稿では, 深層学習手法を用いて, 好気性ヌクレオラオーガナイザ領域 (AgNOR) 染色スライダを解析する方法を提案する。以上の結果から,バックボーンとしてResNet-18やResNet-34を用いたU-Netを用いたセマンティックセマンティックセマンティックセマンティクスは類似した結果を示す。最も優れたモデルは、それぞれ0.83、0.92、0.99の核、クラスター、衛星のIoUを示す。
論文参考訳（メタデータ） (2022-10-19T15:15:32Z)
W-Net: A Two-Stage Convolutional Network for Nucleus Detection in Histopathology Image [5.065311617930521]
自動核検出のためのW字型ネットワークを提案する。最初のサブタスクは、元の病理画像をバイナリマスクにマッピングし、次にバイナリマスクを密度マスクにマッピングする。タスク分割後、タスクの難易度が大幅に低下し、ネットワーク全体の性能が向上する。
論文参考訳（メタデータ） (2021-10-26T13:00:16Z)
Deep CNNs for Peripheral Blood Cell Classification [0.0]
我々は、顕微鏡的末梢血細胞画像データセットに基づいて、27の人気の深層畳み込みニューラルネットワークアーキテクチャをベンチマークした。血液細胞分類のためのImageNetデータセットに事前トレーニングされた最先端画像分類モデルを微調整する。
論文参考訳（メタデータ） (2021-10-18T17:56:07Z)
NuCLS: A scalable crowdsourcing, deep learning approach and dataset for nucleus classification, localization and segmentation [0.0]
ディープラーニングアルゴリズムは、トレーニングと検証のために多数のラベル付きインスタンスを与えられた正確なマッピングを提供することができる。十分な量の品質ラベルを生成することは計算病理学において重要な障壁として現れています弱いアルゴリズムが生成するアノテーションは、非専門家が生成するアノテーションの精度をいかに向上させるかを示す。
論文参考訳（メタデータ） (2021-02-18T01:17:17Z)
Instance-aware Self-supervised Learning for Nuclei Segmentation [47.07869311690419]
本稿では,核インスタンス分割タスクにおける畳み込みニューラルネットワーク(CNN)の能力を活用するための,新たな自己教師型学習フレームワークを提案する。提案するアプローチには、2つのサブタスクが含まれており、ニューラルネットワークは、核の大きさと量の事前知識を暗黙的に活用することができる。公開されているMoNuSegデータセットの実験結果から、提案した自己教師付き学習手法は、核インスタンスのセグメンテーション精度を著しく向上させることができることが示された。
論文参考訳（メタデータ） (2020-07-22T03:37:14Z)
Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
論文参考訳（メタデータ） (2020-07-10T15:41:29Z)
3D medical image segmentation with labeled and unlabeled data using autoencoders at the example of liver segmentation in CT images [58.720142291102135]
本研究では、畳み込みニューラルネットワークによるセグメンテーションを改善するために、オートエンコーダ抽出機能の可能性を検討する。コンボリューション・オートエンコーダを用いてラベルのないデータから特徴を抽出し,CT画像における3次元肝セグメンテーションの目標タスクを実行するために,マルチスケールの完全畳み込みCNNを用いた。
論文参考訳（メタデータ） (2020-03-17T20:20:43Z)
An Auxiliary Task for Learning Nuclei Segmentation in 3D Microscopy Images [6.700873164609009]
手作業による3次元光顕微鏡ボリュームのデータベース上での核分割アルゴリズムの比較を行った。簡単な補助的なタスクによってセグメント化の精度を高める新しい学習戦略を提案する。提案した補助課題を訓練すると,我々のベースラインの1つである3ラベルモデルが,最近のStarDist-3Dより優れていることを示す。
論文参考訳（メタデータ） (2020-02-07T15:47:55Z)

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。