論文の概要: Conditional Deep Convolutional Neural Networks for Improving the
Automated Screening of Histopathological Images
- arxiv url: http://arxiv.org/abs/2105.14338v1
- Date: Sat, 29 May 2021 16:42:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 17:00:00.241657
- Title: Conditional Deep Convolutional Neural Networks for Improving the
Automated Screening of Histopathological Images
- Title（参考訳）: 病理画像の自動スクリーニングのための条件付き深部畳み込みニューラルネットワーク
- Authors: Gianluca Gerard, Marco Piastra
- Abstract要約: 実行時に出力を条件付け可能な条件付き完全畳み込みネットワーク(co-FCN)を提案する。
私たちは、CAMELYON17データセットに存在する5つの医療センターのうち3つから、WSI(Whole Slide Images)でそれをトレーニングしました。
条件なしのデータセットでトレーニングしたU-Netに対して,提案手法をベンチマークした。
- 参考スコア（独自算出の注目度）: 0.76146285961466
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Semantic segmentation of breast cancer metastases in histopathological slides
is a challenging task. In fact, significant variation in data characteristics
of histopathology images (domain shift) make generalization of deep learning to
unseen data difficult. Our goal is to address this challenge by using a
conditional Fully Convolutional Network (co-FCN) whose output can be
conditioned at run time, and which can improve its performance when a properly
selected set of reference slides are used to condition the output. We adapted
to our task a co-FCN originally applied to organs segmentation in volumetric
medical images and we trained it on the Whole Slide Images (WSIs) from three
out of five medical centers present in the CAMELYON17 dataset. We tested the
performance of the network on the WSIs of the remaining centers. We also
developed an automated selection strategy for selecting the conditioning
subset, based on an unsupervised clustering process applied to a
target-specific set of reference patches, followed by a selection policy that
relies on the cluster similarities with the input patch. We benchmarked our
proposed method against a U-Net trained on the same dataset with no
conditioning. The conditioned network shows better performance that the U-Net
on the WSIs with Isolated Tumor Cells and micro-metastases from the medical
centers used as test. Our contributions are an architecture which can be
applied to the histopathology domain and an automated procedure for the
selection of conditioning data.
- Abstract（参考訳）: 病理組織学的スライスにおける乳癌転移のセマンティックセグメンテーションは難しい課題である。
実際、病理画像(ドメインシフト)のデータ特性の顕著な変化は、深層学習の一般化を困難にしている。
本研究の目的は,条件付き完全畳み込みネットワーク(co-fcn)を用いて,実行時に出力を条件付けし,適切に選択された参照スライドを用いて出力を条件付けすることにより,その性能を向上させることにある。
また,camlyon17データセットに存在する5つの医療センターのうち3つのうち,3つから3つのスライド画像(wsis)を解析した。
残りのセンターのWSIでネットワークの性能を検証した。
また,ターゲット固有の参照パッチのセットに適用された教師なしクラスタリングプロセスに基づいて,条件付きサブセットを選択するための自動選択戦略を開発し,入力パッチとクラスタの類似性に依存する選択ポリシーを開発した。
条件なしのデータセットでトレーニングしたU-Netに対して,提案手法をベンチマークした。
条件付きネットワークは、WSIs上のU-Netに分離された腫瘍細胞と、テストとして使用される医療センターのマイクロメタスターゼとのより良い性能を示す。
我々の貢献は病理組織学領域に適用可能なアーキテクチャであり,コンディショニングデータの選択のための自動化手順である。
関連論文リスト
- Generalizing Segmentation Foundation Model Under Sim-to-real Domain-shift for Guidewire Segmentation in X-ray Fluoroscopy [1.4353812560047192]
Sim-to-real ドメイン適応アプローチは、コスト効率の良いソリューションを提供するシミュレーションから合成データを利用する。
対象領域のアノテーションを使わずに、SAMを蛍光X線ガイドワイヤセグメント化に適応させる戦略を提案する。
提案手法は、事前訓練されたSAMと、最先端のドメイン適応技術の両方を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2024-10-09T21:59:48Z) - Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。
CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。
睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
論文 参考訳（メタデータ） (2023-05-30T08:24:01Z) - Generative Adversarial Networks based Skin Lesion Segmentation [7.9234173309439715]
本稿では, 教師なし生成ネットワークを用いて正確な病変マスクを生成する, Efficient-GAN という新たな逆学習基盤を提案する。
Dice係数、Jaccard類似度、精度はそれぞれ90.1%、83.6%、94.5%である。
また,EGANと同等の性能を持つ軽量セグメンテーションフレームワーク(MGAN)を設計する。
論文 参考訳（メタデータ） (2023-05-29T15:51:31Z) - Semantic segmentation of surgical hyperspectral images under geometric
domain shifts [69.91792194237212]
本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。
有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。
提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
論文 参考訳（メタデータ） (2023-03-20T09:50:07Z) - Brain Lesion Synthesis via Progressive Adversarial Variational
Auto-Encoder [0.9954435559869312]
レーザー間質熱療法(LITT)前後のROIセグメンテーションにより自動的に病変の定量化が可能となった。
CNNはROIセグメンテーションのための最先端のソリューションであるが、トレーニング中に大量のアノテートデータを必要とする。
トレーニングデータセットの量と多様性を両立させるため,進行性脳病変合成フレームワーク(PAVAE)を提案する。
論文 参考訳（メタデータ） (2022-08-05T14:39:06Z) - Domain Adaptive Nuclei Instance Segmentation and Classification via
Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。
我々のアプローチは、最先端のUDA手法よりも顕著なマージンで優れています。
論文 参考訳（メタデータ） (2022-07-04T07:05:06Z) - Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using
Vessel Image Reconstruction [61.58601145792065]
我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。
私たちのアプローチは既存のドメイン戦略よりも優れています。
論文 参考訳（メタデータ） (2021-07-20T09:44:07Z) - HistoTransfer: Understanding Transfer Learning for Histopathology [9.231495418218813]
我々は、ImageNetと病理組織データに基づいてトレーニングされたネットワークから抽出された特徴の性能を比較した。
より複雑なネットワークを用いて学習した機能が性能向上につながるかどうかを検討する。
論文 参考訳（メタデータ） (2021-06-13T18:55:23Z) - Towards a Computed-Aided Diagnosis System in Colonoscopy: Automatic
Polyp Segmentation Using Convolution Neural Networks [10.930181796935734]
大腸内視鏡およびカプセル内視鏡画像における病変の認識のための深層学習フレームワークを提案する。
本研究では, SfS と RGB の新規な組み合わせを提案するとともに, FCN をポリップセグメンテーションに用いた最初の研究について述べる。
論文 参考訳（メタデータ） (2021-01-15T10:08:53Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Self-Challenging Improves Cross-Domain Generalization [81.99554996975372]
畳み込みニューラルネットワーク(CNN)は、ラベルと相関する支配的特徴を活性化することにより、画像分類を行う。
ドメイン外データに対するCNNの一般化を著しく改善する簡単なトレーニングである自己整合表現(RSC)を導入する。
RSCはトレーニングデータ上で活性化される主要な機能に対して反復的に挑戦し、ラベルと相関する残りの機能を有効にするようネットワークに強制する。
論文 参考訳（メタデータ） (2020-07-05T21:42:26Z)
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。