Fugu-MT 論文翻訳(概要): Unsupervised Data-Driven Nuclei Segmentation For Histology Images

論文の概要: Unsupervised Data-Driven Nuclei Segmentation For Histology Images

arxiv url: http://arxiv.org/abs/2110.07147v1
Date: Thu, 14 Oct 2021 04:26:50 GMT
ステータス: 処理完了
システム内更新日: 2021-10-16 05:00:23.061545
Title: Unsupervised Data-Driven Nuclei Segmentation For Histology Images
Title（参考訳）: 組織像に対する教師なしデータ駆動核セグメンテーション
Authors: Vasileios Magoulianitis, Peida Han, Yijing Yang, C.-C. Jay Kuo
Abstract要約: CBMはブロックワイズで適用される3つのモジュールから構成される。 CBMは、"Color transform"、"Binarization"、"Morphological Processing"の3つのモジュールの最初の文字から来ている。
参考スコア（独自算出の注目度）: 25.859001809315828
License: http://creativecommons.org/licenses/by/4.0/
Abstract: An unsupervised data-driven nuclei segmentation method for histology images, called CBM, is proposed in this work. CBM consists of three modules applied in a block-wise manner: 1) data-driven color transform for energy compaction and dimension reduction, 2) data-driven binarization, and 3) incorporation of geometric priors with morphological processing. CBM comes from the first letter of the three modules - "Color transform", "Binarization" and "Morphological processing". Experiments on the MoNuSeg dataset validate the effectiveness of the proposed CBM method. CBM outperforms all other unsupervised methods and offers a competitive standing among supervised models based on the Aggregated Jaccard Index (AJI) metric.
Abstract（参考訳）: 本研究は,cbmと呼ばれる組織像に対する教師なしデータ駆動核分割法を提案する。 CBMは以下の3つのモジュールから構成される。 1)エネルギー圧縮と次元縮小のためのデータ駆動カラー変換 2)データ駆動バイナライゼーション,及び 3)形態素処理による幾何学的事前化 CBMは、"Color transform"、"Binarization"、"Morphological Processing"の3つのモジュールの最初の文字から来ている。 monusegデータセットの実験は、提案するcbm法の有効性を検証する。 CBMは、他の教師なしの手法よりも優れており、AJI(Aggregated Jaccard Index)メトリックに基づいた教師付きモデルの間で競争力がある。

関連論文リスト

Labeled Morphological Segmentation with Semi-Markov Models [127.69031138022534]
いくつかのタスクを統一する形態的処理の代替として,ラベル付き形態的セグメンテーションを提案する。また、形態素タグセットの新しい階層も導入する。形態素を明示的にモデル化する識別型形態素分割システムであるモデル名を開発した。
論文参考訳（メタデータ） (2024-04-13T12:51:53Z)
Bayesian Diffusion Models for 3D Shape Reconstruction [54.69889488052155]
本稿では,トップダウン(優先)情報をボトムアップ(データ駆動)手順と密結合することにより,効果的なベイズ推定を行う予測アルゴリズムを提案する。 3次元形状復元作業におけるBDMの有効性を示す。
論文参考訳（メタデータ） (2024-03-11T17:55:53Z)
Image Clustering using Restricted Boltzman Machine [0.0]
制限ボルツマンマシン(AHC-RBM)を用いた画像クラスタリングのための集約的階層クラスタリング手法を提案する。各テスト画像からのデータを用いて適応的RBMモデルを訓練する。埋め込みベクトルであるRBMベクトルは、可視から隠れた重み行列を連結することによって生成される。
論文参考訳（メタデータ） (2023-12-21T13:42:08Z)
InsMix: Towards Realistic Generative Data Augmentation for Nuclei Instance Segmentation [29.78647170035808]
本稿では,コピック・ペースト・スムース原理に従って,核セグメンテーションのための現実的なデータ拡張手法InsMixを提案する。具体的には、拡張画像が原子核に関する豪華な情報を取得することができる形態的制約を提案する。背景の画素冗長性をフル活用するために,背景パッチをランダムにシャッフルする背景摂動法を提案する。
論文参考訳（メタデータ） (2022-06-30T08:58:05Z)
EBM Life Cycle: MCMC Strategies for Synthesis, Defense, and Density Modeling [116.10821733517976]
本研究は, MCMCサンプリング軌道の所望の長さに応じて, エネルギーベースモデル(EBM)を学習するための戦略を提案する。 1)画像生成のためのショートランサンプリング,2)原則に依存しない対角防御のためのミッドランサンプリング,3)画像確率密度の未変更モデリングのためのロングランサンプリング,である。
論文参考訳（メタデータ） (2022-05-24T17:52:29Z)
Data Clustering as an Emergent Consensus of Autonomous Agents [0.0]
本稿では,1次密度誘導コンセンサスプロトコルに基づくデータセグメンテーション手法を提案する。データセグメンテーションの停止基準につながるコンセンサスモデルを数学的に厳密に分析する。
論文参考訳（メタデータ） (2022-04-22T09:11:35Z)
Image Processing Methods for Coronal Hole Segmentation, Matching, and Map Classification [0.0]
目的は、物理モデルを使って地磁気嵐を予測することである。問題を3つのサブプロブレムに分解する: (i) 物理的制約に基づくコロナホールセグメンテーション, (ii) 異なる写像間のコロナホールのクラスタマッチング, (iii) 物理地図分類。提案手法は,精度の高い境界検出を提供することで,SegNet,U-net,Henney-Harvey,FCNを著しく上回る性能を示した。
論文参考訳（メタデータ） (2022-01-04T23:19:53Z)
TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文参考訳（メタデータ） (2020-12-26T08:02:56Z)
Class-wise Dynamic Graph Convolution for Semantic Segmentation [63.08061813253613]
本稿では,情報を適応的に伝達するクラスワイド動的グラフ畳み込み (CDGC) モジュールを提案する。また、CDGCモジュールと基本セグメンテーションネットワークを含む2つの主要部分からなるCDGCNet(Class-wise Dynamic Graph Convolution Network)についても紹介する。我々は,Cityscapes,PASCAL VOC 2012,COCO Stuffの3つの一般的なセマンティックセマンティックセマンティクスベンチマークについて広範な実験を行った。
論文参考訳（メタデータ） (2020-07-19T15:26:50Z)
Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文参考訳（メタデータ） (2020-05-05T11:08:26Z)
PatchPerPix for Instance Segmentation [9.62543698736491]
本手法は, 局所的な局所的な形状記述子を予測し, 実例を生成する手法である。我々の知る限り,本手法は学習した形状パッチからなるインスタンスを生成できる最初の非定型的手法である。
論文参考訳（メタデータ） (2020-01-21T16:06:51Z)

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。