論文の概要: Nuclei Grading of Clear Cell Renal Cell Carcinoma in Histopathological
Image by Composite High-Resolution Network
- arxiv url: http://arxiv.org/abs/2106.10641v1
- Date: Sun, 20 Jun 2021 07:32:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-23 11:01:18.899431
- Title: Nuclei Grading of Clear Cell Renal Cell Carcinoma in Histopathological
Image by Composite High-Resolution Network
- Title（参考訳）: 複合高分解能ネットワークを用いた病理組織像におけるクリアセル腎細胞癌の核移植
- Authors: Zeyu Gao, Jiangbo Shi, Xianli Zhang, Yang Li, Haichuan Zhang, Jialun
Wu, Chunbao Wang, Deyu Meng, Chen Li
- Abstract要約: コンピュータ支援された核グレーディングは、病理学者の作業効率を改善し、誤診断率を減らすことを目的としている。
既存の核セグメンテーションと分類法のほとんどは、核グレーディングのクラス間類似性を扱えない。
ccRCC核グレーディングのための複合高分解能ネットワークを提案する。
- 参考スコア（独自算出の注目度）: 31.00452985964065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The grade of clear cell renal cell carcinoma (ccRCC) is a critical prognostic
factor, making ccRCC nuclei grading a crucial task in RCC pathology analysis.
Computer-aided nuclei grading aims to improve pathologists' work efficiency
while reducing their misdiagnosis rate by automatically identifying the grades
of tumor nuclei within histopathological images. Such a task requires precisely
segment and accurately classify the nuclei. However, most of the existing
nuclei segmentation and classification methods can not handle the inter-class
similarity property of nuclei grading, thus can not be directly applied to the
ccRCC grading task. In this paper, we propose a Composite High-Resolution
Network for ccRCC nuclei grading. Specifically, we propose a segmentation
network called W-Net that can separate the clustered nuclei. Then, we recast
the fine-grained classification of nuclei to two cross-category classification
tasks, based on two high-resolution feature extractors (HRFEs) which are
proposed for learning these two tasks. The two HRFEs share the same backbone
encoder with W-Net by a composite connection so that meaningful features for
the segmentation task can be inherited for the classification task. Last, a
head-fusion block is applied to generate the predicted label of each nucleus.
Furthermore, we introduce a dataset for ccRCC nuclei grading, containing 1000
image patches with 70945 annotated nuclei. We demonstrate that our proposed
method achieves state-of-the-art performance compared to existing methods on
this large ccRCC grading dataset.
- Abstract（参考訳）: 明確な細胞腎細胞癌 (ccRCC) のグレードは重要な予後因子であり, ccRCC核はRCCの病態解析において重要な役割を担っている。
コンピュータ支援核グレーディングは、病理組織像中の腫瘍核のグレードを自動的に識別することにより、病理学者の作業効率を向上させることを目的としている。
そのようなタスクは原子核を正確に分割し、正確に分類する必要がある。
しかし、既存の核セグメンテーションと分類法のほとんどは、核グレーディングのクラス間類似性を処理できないため、直接ccrccグレーディングタスクに適用することはできない。
本稿では,ccRCC核グレーディングのための複合高分解能ネットワークを提案する。
具体的には、クラスター化された核を分離できるW-Netと呼ばれるセグメンテーションネットワークを提案する。
次に,これらの課題を学習するために提案する2つの高分解能特徴抽出器(hrfes)に基づいて,核の細粒度分類を2つのクロスカテゴリ分類タスクに再キャストする。
2つのhrfeはw-netと同じバックボーンエンコーダを複合接続で共有するので、セグメンテーションタスクの有意義な特徴を分類タスクに継承することができる。
最後に、各核の予測ラベルを生成するためにヘッドフュージョンブロックを適用する。
さらに,70945のアノテート核を含む1000個の画像パッチを含む,ccRCC核グレーディングのためのデータセットも導入した。
提案手法は,この大規模ccRCCグレーディングデータセット上の既存手法と比較して,最先端性能を実現する。
関連論文リスト
- A Survey on Cell Nuclei Instance Segmentation and Classification: Leveraging Context and Attention [2.574831636177296]
我々は,H&E-stained microscopy imaging を用いて,細胞核のインスタンスのセグメンテーションと分類のコンテキストとアテンションに関する調査を行った。
本研究では,一般的な事例分割・分類手法(Mask-RCNN)と,コンテキスト・アテンションに基づく機構を用いたセル核の分類・分類モデル(HoVer-Net)を拡張した。
我々の研究結果は、ドメイン知識をアルゴリズム設計に翻訳することは簡単な作業ではなく、これらのメカニズムを完全に活用する必要があることを示唆している。
論文 参考訳（メタデータ） (2024-07-26T11:30:22Z) - 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) - Enhancing Nucleus Segmentation with HARU-Net: A Hybrid Attention Based
Residual U-Blocks Network [9.718765096478371]
核分割の現在の手法は、核形態学や輪郭に基づくアプローチに依存している。
本稿では,ハイブリッドアテンションに基づく残差Uブロックを用いたデュアルブランチネットワークを提案する。
ネットワーク内において,ネットワークからコンテキスト情報を効果的に抽出し,マージするコンテキスト融合ブロック(CF-block)を提案する。
論文 参考訳（メタデータ） (2023-08-07T08:03:20Z) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - A Novel Dataset and a Deep Learning Method for Mitosis Nuclei
Segmentation and Classification [10.960222475663006]
ミトコンドリア核数(Mitosis nuclear count)は乳癌の病理診断における重要な指標の1つである。
そこで本研究では,SCMitosisという2段階のミトーシスセグメンテーションと分類法を提案する。
提案モデルはICPR 2012データセット上で検証され、最高Fスコア値は0.8687である。
論文 参考訳（メタデータ） (2022-12-27T08:12:42Z) - BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung
Infection Segmentation from CT Images [83.82141604007899]
BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。
BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。
BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
論文 参考訳（メタデータ） (2022-07-17T08:54:07Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - CoNIC: Colon Nuclei Identification and Counting Challenge 2022 [5.23834975053771]
大腸核の同定とカウント(CoNIC)の課題を整理する。
研究者は、核のセグメンテーション、分類、カウントを行うアルゴリズムを開発することを奨励する。
この課題の一環として、各入力アルゴリズムの感度を特定の入力変動に対してテストする。
論文 参考訳（メタデータ） (2021-11-29T12:06:47Z) - PointNu-Net: Keypoint-assisted Convolutional Neural Network for
Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification [23.466331358975044]
ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。
本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
論文 参考訳（メタデータ） (2021-11-01T08:29:40Z) - Bend-Net: Bending Loss Regularized Multitask Learning Network for Nuclei
Segmentation in Histopathology Images [65.47507533905188]
重なり合う核を正確に分離するために、曲げ損失正規化器を備えた新しいマルチタスク学習ネットワークを提案する。
新たに提案されたマルチタスク学習アーキテクチャは、3つのタスクから共有表現を学習することで一般化を促進する。
提案した曲げ損失は,輪郭点を大きな曲率で囲むために高いペナルティを定義し,小さな曲率で凸輪郭点に小さなペナルティを適用した。
論文 参考訳（メタデータ） (2021-09-30T17:29:44Z) - 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)
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。