Fugu-MT 論文翻訳(概要): Sk-Unet Model with Fourier Domain for Mitosis Detection

論文の概要: Sk-Unet Model with Fourier Domain for Mitosis Detection

arxiv url: http://arxiv.org/abs/2109.00957v1
Date: Wed, 1 Sep 2021 17:10:39 GMT
ステータス: 処理完了
システム内更新日: 2021-09-04 08:20:28.650781
Title: Sk-Unet Model with Fourier Domain for Mitosis Detection
Title（参考訳）: マイトーシス検出のためのフーリエドメインsk-unetモデル
Authors: Sen Yang, Feng Luo, Jun Zhang, Xiyue Wang
Abstract要約: 乳がんの悪性度は, 乳腺癌において最も重要な形態学的特徴である。多くのディープラーニングベースの手法が提案されているが、ドメインシフトに悩まされている。本研究では,ミトーシス検出のためのフーリエに基づくセグメンテーションモデルを構築し,この問題に対処する。
参考スコア（独自算出の注目度）: 7.237569333193943
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mitotic count is the most important morphological feature of breast cancer grading. Many deep learning-based methods have been proposed but suffer from domain shift. In this work, we construct a Fourier-based segmentation model for mitosis detection to address the problem. Swapping the low-frequency spectrum of source and target images is shown effective to alleviate the discrepancy between different scanners. Our Fourier-based segmentation method can achieve F1 with 0.7456 on the preliminary test set.
Abstract（参考訳）: 乳がんの悪性度は, 乳腺癌において最も重要な形態学的特徴である。多くのディープラーニングベースの手法が提案されているが、ドメインシフトに苦しむ。本研究では,この問題を解決するために,マイトーシス検出のためのフーリエベースセグメンテーションモデルを構築した。ソースとターゲット画像の低周波スペクトルをスワップすることで、異なるスキャナ間の差を軽減することができる。フーリエに基づくセグメンテーション手法は, 予備テストセット上で 0.7456 で f1 を実現できる。

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)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
FFCNet: Fourier Transform-Based Frequency Learning and Complex Convolutional Network for Colon Disease Classification [6.483399675485918]
大腸疾患分類のためのFFCNet(Fourier-based Frequency Complex Network)を提案する。 FFCNetは、複雑な畳み込みネットワークと周波数学習の組み合わせを可能にする、新しい複雑なネットワークである。従来の最先端技術よりも86:35%, 背骨より4.46%高い精度で高い性能を実現している。
論文参考訳（メタデータ） (2022-07-04T09:32:23Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Adaptation to CT Reconstruction Kernels by Enforcing Cross-domain Feature Maps Consistency [0.06117371161379209]
本研究は,スムーズで訓練し,鋭い再構築カーネル上で試験したモデルにおいて,新型コロナウイルスのセグメンテーション品質の低下を示すものである。本稿では,F-Consistency(F-Consistency)と呼ばれる,教師なし適応手法を提案する。
論文参考訳（メタデータ） (2022-03-28T10:00:03Z)
Robust Multi-Domain Mitosis Detection [0.0]
未ペア画像から画像翻訳(CycleGAN)による対象特徴空間の学習本研究は,MIDOGチャレンジのベースラインとして開発された,シンプルだが効果的な多段階的図形検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-09-13T06:25:15Z)
A novel deep learning-based method for monochromatic image synthesis from spectral CT using photon-counting detectors [7.190103828139802]
シングラム領域で動作する深層学習に基づく単色画像合成法を提案する。本手法は,PCDを装着したコーンビームCT(CBCT)システムを用いて検討した。
論文参考訳（メタデータ） (2020-07-20T03:44:57Z)
FDA: Fourier Domain Adaptation for Semantic Segmentation [82.4963423086097]
本稿では,教師なし領域適応の簡易な手法について述べる。一方の低周波スペクトルを他方と交換することにより,音源と対象分布の相違を低減できる。本手法を意味的セグメンテーション(semantic segmentation, 意味的セグメンテーション, 意味的セグメンテーション)で説明する。以上の結果から,より高度な手法が学習に苦しむデータにおいて,単純な手順であってもニュアンス変動を低減できる可能性が示唆された。
論文参考訳（メタデータ） (2020-04-11T22:20:48Z)
Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-03-17T09:51:30Z)
Data Augmentation for Histopathological Images Based on Gaussian-Laplacian Pyramid Blending [59.91656519028334]
データ不均衡は、機械学習(ML)アルゴリズムに影響を及ぼす主要な問題である。本稿では、HIデータセットを増大させるだけでなく、患者間の変動を分散させる新しいアプローチを提案する。 BreakHisデータセットの実験結果から、文献で示されたDA手法の大多数は、有望な利得を示している。
論文参考訳（メタデータ） (2020-01-31T22:02:57Z)

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。