Fugu-MT 論文翻訳(概要): MitoDet: Simple and robust mitosis detection

論文の概要: MitoDet: Simple and robust mitosis detection

arxiv url: http://arxiv.org/abs/2109.01485v1
Date: Thu, 2 Sep 2021 17:19:08 GMT
ステータス: 処理完了
システム内更新日: 2021-09-06 13:51:58.269326
Title: MitoDet: Simple and robust mitosis detection
Title（参考訳）: MitoDet: 単純で堅牢なミトーシス検出
Authors: Jakob Dexl, Michaela Benz, Volker Bruns, Petr Kuritcyn, Thomas Wittenberg
Abstract要約: ドメインシフトの重要なソースは、異なる顕微鏡とそのカメラシステムによって導入され、デジタル化された画像の色表現が顕著に変化する。このアルゴリズムは,強いデータ拡張を訓練したRetinaNetを用いて,予備テストセットで0.7138のF1スコアを達成している。
参考スコア（独自算出の注目度）: 0.31498833540989407
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Mitotic figure detection is a challenging task in digital pathology that has a direct impact on therapeutic decisions. While automated methods often achieve acceptable results under laboratory conditions, they frequently fail in the clinical deployment phase. This problem can be mainly attributed to a phenomenon called domain shift. An important source of a domain shift is introduced by different microscopes and their camera systems, which noticeably change the color representation of digitized images. In this method description we present our submitted algorithm for the Mitosis Domain Generalization Challenge, which employs a RetinaNet trained with strong data augmentation and achieves an F1 score of 0.7138 on the preliminary test set.
Abstract（参考訳）: mitotic figure detectionは、デジタル病理学における困難な課題であり、治療的決定に直接影響を与える。自動的な方法は検査条件下では許容できる結果が得られることが多いが、臨床展開段階ではしばしば失敗する。この問題は、主にドメインシフトと呼ばれる現象に起因する。ドメインシフトの重要なソースは、異なる顕微鏡とそのカメラシステムによって導入され、デジタル画像の色表現が顕著に変化する。本手法の記述では,強いデータ拡張でトレーニングされたRetinaNetを用いて,予備テストセットで0.7138のF1スコアを達成している。

関連論文リスト

Mew: Multiplexed Immunofluorescence Image Analysis through an Efficient Multiplex Network [84.88767228835928]
マルチプレックスネットワークのレンズを通してmIF画像を効率的に処理する新しいフレームワークであるMewを紹介する。 Mew は、幾何学情報のための Voronoi ネットワークと、セルワイドの均一性を捉えるセル型ネットワークという、2つの異なる層からなる多重ネットワークを革新的に構築する。このフレームワークは、トレーニング中にグラフ全体を処理できるスケーラブルで効率的なグラフニューラルネットワーク(GNN)を備えている。
論文参考訳（メタデータ） (2024-07-25T08:22:30Z)
Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文参考訳（メタデータ） (2023-10-22T02:27:02Z)
Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文参考訳（メタデータ） (2023-03-17T18:00:27Z)
Nuclear Segmentation and Classification: On Color & Compression Generalization [5.003626602732884]
この問題に対する最大の計算病理学的課題であるCoNICの課題から, 核分割・分類モデル7の堅牢性を評価する。ドメインシフト問題に対処するために染色正規化を用いることは、モデルの性能を損なう可能性がある。一方、ニューラルスタイルのトランスファーは、野生において大きな色のバリエーションを示す場合、テスト性能を改善するためにより一貫性がある。
論文参考訳（メタデータ） (2023-01-09T15:14:48Z)
Improving Mitosis Detection Via UNet-based Adversarial Domain Homogenizer [1.7298084639157258]
本稿では,入力画像の対角的再構成による組織像の領域差を軽減するため,有糸分裂検出のためのドメインホモジェナイザを提案する。我々は,前処理した画像間の領域差の低減を観察することにより,ドメインホモジェナイザの有効性を示す。このホモジェナイザーと後続の網膜-網状物体検出器を用いて、検出されたミオティックな図形の平均精度で2021 MIDOGチャレンジのベースラインを上回りました。
論文参考訳（メタデータ） (2022-09-15T11:15:57Z)
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)
Domain Adversarial RetinaNet as a Reference Algorithm for the MItosis DOmain Generalization (MIDOG) Challenge [1.4732811715354452]
Mitosis DOmain Generalization Challengeは、有糸分裂図形検出のタスクに対するこの特定の領域シフトに焦点を当てている。本研究は,ドメイン逆数学習に基づく,課題のベースラインとして開発された有理数検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-08-25T14:49:11Z)
Quantifying the Scanner-Induced Domain Gap in Mitosis Detection [8.09551131543818]
異なるスライドスキャナを用いて導入したドメインシフトに対する標準トポトーシス検出手法の感受性を評価する。本研究は, 生物化学的変動ではなく, 純粋に取得装置の選択によるドメインシフトが過小評価されていることを示す。
論文参考訳（メタデータ） (2021-03-30T17:17:25Z)
Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文参考訳（メタデータ） (2020-10-14T16:50:50Z)
Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
論文参考訳（メタデータ） (2020-07-21T14:37:00Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。