論文の概要: Feasibility of Haralick's Texture Features for the Classification of
Chromogenic In-situ Hybridization Images
- arxiv url: http://arxiv.org/abs/2107.00235v1
- Date: Thu, 1 Jul 2021 06:18:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-02 13:30:37.121748
- Title: Feasibility of Haralick's Texture Features for the Classification of
Chromogenic In-situ Hybridization Images
- Title（参考訳）: 染色体内ハイブリダイゼーション画像の分類におけるHaralickのテクスチャー特性の有用性
- Authors: Stoyan Pavlov, Galina Momcheva, Pavlina Burlakova, Simeon Atanasov,
Dimo Stoyanov, Martin Ivanov, Anton Tonchev
- Abstract要約: 2次テクスチャ特徴は、色原性インサイトハイブリダイゼーション画像データの分類と解析に有効な選択肢である。
Haralickの特徴は, 発色性in-situハイブリダイゼーション画像データの分類と解析に有効な選択肢である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a proof of concept for the usefulness of second-order
texture features for the qualitative analysis and classification of chromogenic
in-situ hybridization whole slide images in high-throughput imaging
experiments. The challenge is that currently, the gold standard for gene
expression grading in such images is expert assessment. The idea of the
research team is to use different approaches in the analysis of these images
that will be used for structural segmentation and functional analysis in gene
expression. The article presents such perspective idea to select a number of
textural features that are going to be used for classification. In our
experiment, natural grouping of image samples (tiles) depending on their local
texture properties was explored in an unsupervised classification procedure.
The features are reduced to two dimensions with fuzzy c-means clustering. The
overall conclusion of this experiment is that Haralick features are a viable
choice for classification and analysis of chromogenic in-situ hybridization
image data. The principal component analysis approach produced slightly more
"understandable" from an annotator's point of view classes.
- Abstract（参考訳）: 本稿では,2次テクスチャ特徴の質的分析と,高スループットイメージング実験における全スライド画像の質的ハイブリダイゼーションの分類に有用であることを示す。
課題は、現在、そのような画像における遺伝子発現のグレーディングのゴールドスタンダードが専門家による評価であることだ。
研究チームのアイデアは、遺伝子発現における構造的セグメンテーションと機能解析に使用されるこれらの画像の分析に異なるアプローチを使用することである。
この記事では、このような視点のアイデアを示し、分類に使用されるであろう多くのテクスチュラルな特徴を選択します。
実験では,局所的なテクスチャ特性に応じた画像サンプル(タイル)の自然なグループ化を教師なし分類法で検討した。
特徴はファジィc平均クラスタリングにより2次元に縮小される。
この実験の総合的な結論は、ハラリック特徴は、原産地ハイブリダイゼーション画像データの分類と分析に有効な選択肢であるということである。
主成分分析のアプローチは、アノテーションのビュークラスからもう少し「理解可能な」ものを生み出した。
関連論文リスト
- FUSECAPS: Investigating Feature Fusion Based Framework for Capsule Endoscopy Image Classification [0.0]
この研究は内視鏡画像の分類に強力な方法論を提供する。
本稿では、畳み込みニューラルネットワーク(CNN)、多層パーセプトロン(MLP)、放射能を組み合わせたハイブリッド特徴抽出法を提案する。
カプセル内視鏡ビデオフレーム分類作業において,76.2%の精度で検証を行った。
論文 参考訳（メタデータ） (2024-11-04T21:55:52Z) - Automated Classification of Cell Shapes: A Comparative Evaluation of Shape Descriptors [0.20971479389679332]
本研究は、ノイズのある輪郭から細胞形状を分類することの課題に対処する。
形状分類のための各種特徴量の評価を行った。
本研究の目的は,細胞形態を分類するための記述子を包括的に評価することである。
論文 参考訳（メタデータ） (2024-11-01T13:19:53Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳（メタデータ） (2023-04-19T13:45:28Z) - Cross-modulated Few-shot Image Generation for Colorectal Tissue
Classification [58.147396879490124]
XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。
我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
論文 参考訳（メタデータ） (2023-04-04T17:50:30Z) - Stable Attribute Group Editing for Reliable Few-shot Image Generation [88.59350889410794]
本稿では,編集ベースのフレームワークであるAttribute Group Editing (AGE) について述べる。
下流分類におけるGAN生成画像では,クラス不整合が一般的な問題であることがわかった。
我々は,SAGEの下流分類性能を,画素および周波数成分の増大により向上させることを提案する。
論文 参考訳（メタデータ） (2023-02-01T01:51:47Z) - Data Augmentation using Feature Generation for Volumetric Medical Images [0.08594140167290097]
医用画像分類は画像認識領域で最も重要な問題の一つである。
この分野での大きな課題の1つは、ラベル付きトレーニングデータの不足である。
特にディープラーニングモデルでは,画像のセグメンテーションや分類問題に関する有望な結果が示されている。
論文 参考訳（メタデータ） (2022-09-28T13:46:24Z) - Multiscale Analysis for Improving Texture Classification [62.226224120400026]
本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。
バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
論文 参考訳（メタデータ） (2022-04-21T01:32:22Z) - Tackling Inter-Class Similarity and Intra-Class Variance for Microscopic
Image-based Classification [0.0]
クラス間の類似性とクラス間の差異が誤分類の原因となると考えられる。
本稿では,視覚的特徴に基づいて,クラスを高い分散度で分割することで,それを説明することを提案する。
提案アルゴリズムは,作成したサブクラスの最適な数を自動的に決定し,各サブクラスを個別のトレーニングクラスとみなす。
論文 参考訳（メタデータ） (2021-09-24T11:17:02Z) - Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。
そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。
StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文 参考訳（メタデータ） (2021-04-29T17:58:35Z) - Principal component-based image segmentation: a new approach to outline
in vitro cell colonies [0.0]
探索されたコロニーを特徴付け,抽出し,セグメンテーションすることで問題を修正するための,客観的かつ多目的な機械学習手法を提案する。
提案するセグメンテーションアルゴリズムは,人間の観察者による手動計測と同様の品質を示した。
論文 参考訳（メタデータ） (2021-03-10T12:37:51Z) - Attention Model Enhanced Network for Classification of Breast Cancer
Image [54.83246945407568]
AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。
微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。
3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
論文 参考訳（メタデータ） (2020-10-07T08:44:21Z)
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。