Fugu-MT 論文翻訳(概要): Deep Learning-based mitosis detection in breast cancer histologic samples

論文の概要: Deep Learning-based mitosis detection in breast cancer histologic samples

arxiv url: http://arxiv.org/abs/2109.00816v1
Date: Thu, 2 Sep 2021 09:47:43 GMT
ステータス: 処理完了
システム内更新日: 2021-09-03 14:03:56.901145
Title: Deep Learning-based mitosis detection in breast cancer histologic samples
Title（参考訳）: 乳癌組織標本における深層学習によるミトーシスの検出
Authors: Michel Halmes, Hippolyte Heuberger, Sylvain Berlemont
Abstract要約: ニューラルネットワークアーキテクチャのバックボーンとして、Faster RCNNとDenseNetをベースとしている。 F1スコアは0.6645で、予備試験フェーズ・リーダーボードで達成される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This is the submission for mitosis detection in the context of the MIDOG 2021 challenge. It is based on the two-stage objection model Faster RCNN as well as DenseNet as a backbone for the neural network architecture. It achieves a F1-score of 0.6645 on the Preliminary Test Phase Leaderboard.
Abstract（参考訳）: これはMIDOG 2021チャレンジの文脈におけるミトーシス検出の提出である。これは、ニューラルネットワークアーキテクチャのバックボーンとして、より高速なrcnnとdrknetの2段階の反対モデルに基づいている。予備試験段階のリーダーボード上では、f1-scoreが 0.6645 となる。

関連論文リスト

Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
Severity classification of ground-glass opacity via 2-D convolutional neural network and lung CT scans: a 3-day exploration [0.0]
グラウンドグラスの不透明度は、COVID-19や肺炎、肺線維症、結核など、多くの肺疾患の指標である。本稿では,3日間にわたって実施,テストされた概念実証フレームワークについて,第3の課題である「COVID-19コンペティション」による実験的結果を示す。課題の要件の一部として、このエクササイズ中に生成されたソースコードはhttps://github.com/lisatwyw/cov19.comに投稿されている。
論文参考訳（メタデータ） (2023-03-23T22:35:37Z)
A novel dataset and a two-stage mitosis nuclei detection method based on hybrid anchor branch [12.701748529240183]
有糸分裂検出のための2段階カスケードネットワークFoCasNetを提案する。第1段階では、可能な限り多くのミトースを検出するために、M_detと呼ばれる検出ネットワークが提案されている。第2段階では、第1段階の結果を洗練させるために分類ネットワークM_classを提案する。
論文参考訳（メタデータ） (2023-01-18T16:11:09Z)
A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
論文参考訳（メタデータ） (2022-11-01T14:12:58Z)
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)
Towards Clinical Practice: Design and Implementation of Convolutional Neural Network-Based Assistive Diagnosis System for COVID-19 Case Detection from Chest X-Ray Images [0.0]
本研究では,胸部X線(CXR)画像から新型コロナウイルスを検出するために,畳み込みニューラルネットワーク(CNN)ベースのCarebot Covidアプリの現実的な実装を提案する。本研究では,DenseNetとResNetアーキテクチャに基づくディープラーニングモデルを用いて,精度0.981のCXR画像からSARS-CoV-2を検出し,0.962のリコールと0.993のAPを再現した。
論文参考訳（メタデータ） (2022-03-20T16:44:20Z)
MissMarple : A Novel Socio-inspired Feature-transfer Learning Deep Network for Image Splicing Detection [0.0]
本稿では,画像スプライシング検出のための,社会にインスパイアされた畳み込みニューラルネットワーク(CNN)の深層学習モデルを提案する。粗い画像領域からの学習は、視覚的に知覚できない微細な画像偽造物の検出を改善することができるという前提に基づいて、MissMarpleと呼ばれるモデルが特徴伝達学習を含む双子のCNNネットワークである。
論文参考訳（メタデータ） (2021-12-15T10:32:47Z)
Domain Adaptive Cascade R-CNN for MItosis DOmain Generalization (MIDOG) Challenge [4.263758771935993]
本稿では,デジタル病理像のミトーシス検出のための領域適応カスケードR-CNN法の概要について述べる。提案手法はMitosis DOmain Generalization (MIDOG) Challengeにおける予備テストセットにおいて0.7500のF1スコアを達成した。
論文参考訳（メタデータ） (2021-09-01T10:10:28Z)
Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
論文参考訳（メタデータ） (2021-06-21T03:36:36Z)
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)
MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文参考訳（メタデータ） (2020-05-15T10:37:02Z)

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。