論文の概要: Self adversarial attack as an augmentation method for immunohistochemical stainings

• arxiv url: http://arxiv.org/abs/2103.11362v1
• Date: Sun, 21 Mar 2021 10:48:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-23 15:03:47.751056
• Title: Self adversarial attack as an augmentation method for immunohistochemical stainings
• Title（参考訳）: 免疫組織化学的染色の増強法としての自己逆行性攻撃
• Authors: Jelica Vasiljevi\'c, Friedrich Feuerhake, C\'edric Wemmert, Thomas Lampert
• Abstract要約: 病理組織学データに適用すると,この隠れた雑音は染色特異な特徴と関連していると考えられる。 この隠れた情報を摂動することで、翻訳モデルは異なる、もっともらしい出力を生成する。
• 参考スコア（独自算出の注目度）: 0.7340845393655052
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: It has been shown that unpaired image-to-image translation methods constrained by cycle-consistency hide the information necessary for accurate input reconstruction as imperceptible noise. We demonstrate that, when applied to histopathology data, this hidden noise appears to be related to stain specific features and show that this is the case with two immunohistochemical stainings during translation to Periodic acid- Schiff (PAS), a histochemical staining method commonly applied in renal pathology. Moreover, by perturbing this hidden information, the translation models produce different, plausible outputs. We demonstrate that this property can be used as an augmentation method which, in a case of supervised glomeruli segmentation, leads to improved performance.
• Abstract（参考訳）: サイクルコンシスタンスに制約された非ペア画像から画像への変換手法は,正確な入力再構成に必要な情報を不可避なノイズとして隠蔽することが示されている。 病理組織学データに適用すると,この隠れたノイズは染色特異な特徴に関連し,腎病理学で一般的に用いられる組織化学的染色法である周期性酸性シフ (pas) への翻訳中に2つの免疫組織化学的染色が行われることが示されている。 さらに、この隠れた情報を摂動することで、翻訳モデルは異なる、もっともらしい出力を生成する。 この特性は, 制御された糸球体セグメンテーションの場合, 性能が向上する拡張法として利用できることを示す。

関連論文リスト

• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Classifier Guidance Enhances Diffusion-based Adversarial Purification by Preserving Predictive Information [75.36597470578724]
  敵の浄化は、敵の攻撃からニューラルネットワークを守るための有望なアプローチの1つである。 分類器決定境界から遠ざかって, 清浄するgUided Purification (COUP)アルゴリズムを提案する。 実験結果から, COUPは強力な攻撃法でより優れた対向的堅牢性が得られることが示された。
  論文  参考訳（メタデータ） (2024-08-12T02:48:00Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• Unsupervised Latent Stain Adaptation for Computational Pathology [2.483372684394528]
  スタン適応は、ターゲットの染色を一般化するソース染色のモデルをトレーニングすることで、異なる染色間の一般化誤差を低減することを目的としている。 我々は,Unsupervised Latent Stain Adaptation (ULSA) と呼ばれる,すべてのステンド画像を含む人工ラベル付きと非ラベル付きデータの共同トレーニングを提案する。 本手法では, 教師付き信号の増大のために, ラベル付きソース画像に合成対象画像を付加するために, ステンドトランスフォーメーションを用いる。
  論文  参考訳（メタデータ） (2024-06-27T11:08:42Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Stain Isolation-based Guidance for Improved Stain Translation [0.5249805590164902]
  CycleGANは病理組織像の染色翻訳の最先端技術である。 サイクル一貫性があるが、構造保存の誤りに悩まされることが多い。 本稿では, セグメンテーションの整合性に依存し, 病理構造の保存を可能にする手法を提案する。
  論文  参考訳（メタデータ） (2022-06-28T13:33:48Z)
• Stain based contrastive co-training for histopathological image analysis [61.87751502143719]
  本稿では,ヒストリボリューション画像の分類のための,新しい半教師付き学習手法を提案する。 我々は、半教師付き学習フレームワークを作成するために、パッチレベルのアノテーションと、新しいコトレーニング損失を併用した強力な監視を採用する。 透明細胞腎細胞および前立腺癌に対するアプローチを評価し,最先端の半教師あり学習法の改善を実証した。
  論文  参考訳（メタデータ） (2022-06-24T22:25:31Z)
• Ensuring accurate stain reproduction in deep generative networks for virtual immunohistochemistry [0.0]
  Generative Adrial Networksは、あるイメージを別のイメージにマッピングする上で、はるかに進歩している。 CycleGANは、病理画像マッピングで組織構造を創出することができるが、関連する沈着を持ち、不正確な染色の領域を生成する。 本稿では,CycleGANの損失関数を緩和し,病理画像のマッピング能力を向上する方法について述べる。
  論文  参考訳（メタデータ） (2022-04-14T09:51:04Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Improving Unsupervised Stain-To-Stain Translation using Self-Supervision and Meta-Learning [4.32671477389424]
  画像から画像への翻訳に基づく教師なし領域適応は、デジタル病理学において重要になっている。 非教師付きステンツーステイン翻訳による異なる組織染色の変動に対処する。 腎病理組織学におけるステンレス翻訳にCycleGANを用いた。
  論文  参考訳（メタデータ） (2021-12-16T12:42:40Z)

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。