論文の概要: Circle Representation for Medical Object Detection

• arxiv url: http://arxiv.org/abs/2110.12093v1
• Date: Fri, 22 Oct 2021 23:16:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 13:41:06.167758
• Title: Circle Representation for Medical Object Detection
• Title（参考訳）: 医用物体検出のための円表示
• Authors: Ethan H. Nguyen, Haichun Yang, Ruining Deng, Yuzhe Lu, Zheyu Zhu, Joseph T. Roland, Le Lu, Bennett A. Landman, Agnes B. Fogo, and Yuankai Huo
• Abstract要約: ボックス表現は有効であるが、必ずしもバイオメディカルオブジェクトに最適化されていない。 本稿では,医療用物体検出のための簡単な円表現を提案し,CircleNetを導入する。 病理画像上での糸球体と核の検出において,提案した円周表現は優れた検出性能を示した。
• 参考スコア（独自算出の注目度）: 5.359910146589289
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Box representation has been extensively used for object detection in computer vision. Such representation is efficacious but not necessarily optimized for biomedical objects (e.g., glomeruli), which play an essential role in renal pathology. In this paper, we propose a simple circle representation for medical object detection and introduce CircleNet, an anchor-free detection framework. Compared with the conventional bounding box representation, the proposed bounding circle representation innovates in three-fold: (1) it is optimized for ball-shaped biomedical objects; (2) The circle representation reduced the degree of freedom compared with box representation; (3) It is naturally more rotation invariant. When detecting glomeruli and nuclei on pathological images, the proposed circle representation achieved superior detection performance and be more rotation-invariant, compared with the bounding box. The code has been made publicly available: https://github.com/hrlblab/CircleNet
• Abstract（参考訳）: ボックス表現はコンピュータビジョンにおけるオブジェクト検出に広く使われている。 このような表現は有効であるが、腎病理において重要な役割を果たす生医学的対象(例えば、糸球体)に必ずしも最適化されない。 本稿では,医療用物体検出のための簡易な円表現を提案し,アンカーフリー検出フレームワークであるcirclenetを紹介する。 従来の有界箱表現と比較して、提案された有界円表現は、(1)球形生物医学オブジェクトに最適化されている;(2)円表現は箱表現と比較して自由度を減らしている;(3)自然により回転不変である。 病理画像上での糸球体と核の検出において,提案した円周表現は,境界箱に比べて優れた検出性能と回転不変性を得た。 コードは公開された: https://github.com/hrlblab/circlenet

関連論文リスト

• Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results [9.540862304334969]
  Weighted Circle Fusion (WCF) は、様々な円検出モデルから予測をマージする簡単な手法である。 本手法は,全スライド画像(WSI)における物体検出における糸球体検出のための独自のデータセットの徹底的な評価を行う。 その結果,既存のアンサンブル法と比較すると,性能は5%向上した。
  論文  参考訳（メタデータ） (2024-06-27T21:34:51Z)
• Circle Representation for Medical Instance Object Segmentation [6.4832235108711345]
  球状医療オブジェクトをインスタンスレベルでセグメント化するための円輪郭変形を利用した,単純なエンドツーエンドセグメンテーション手法であるCircleSnakeを紹介する。 病理画像における糸球体、核、好酸球の検出などの実用化において、CircleSnakeは優れた性能と回転不変性を示した。
  論文  参考訳（メタデータ） (2024-03-18T06:25:41Z)
• CircleFormer: Circular Nuclei Detection in Whole Slide Images with Circle Queries and Attention [13.947162082687417]
  動的アンカー円を用いたトランスフォーマーを用いた円形医療物体検出システムであるCircleFormerを提案する。 一般向けMoNuSegデータセットを用いた円形核検出とセグメンテーションにおける本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-08-30T17:01:01Z)
• CircleNet: Reciprocating Feature Adaptation for Robust Pedestrian Detection [62.41288479917261]
  本稿では,人間が低解像度で隠蔽された物体を見る過程を模倣して特徴適応を実現するため,CircleNetと呼ばれる新しい特徴学習モデルを提案する。 Caltech(カルテック)とCityPersons(シティパーソンズ)という2つの歩行者検出データセットの実験によると、CircleNetは、障害物のある歩行者と低解像度歩行者のパフォーマンスを大幅に改善する。
  論文  参考訳（メタデータ） (2022-12-12T04:10:24Z)
• CircleSnake: Instance Segmentation with Circle Representation [4.009829991224921]
  本研究では,ボール形状の医療物体に対する簡易な円錐形状変形法であるCircleSnakeを提案する。 一般的なDeepSnake法と比較して、我々の貢献は3倍である。 The proposed CircleSnake method is the first end-to-end circle representation Deep segmentation pipeline method。
  論文  参考訳（メタデータ） (2022-11-02T16:34:20Z)
• Uncertainty Guided Policy for Active Robotic 3D Reconstruction using Neural Radiance Fields [82.21033337949757]
  本稿では,物体の暗黙のニューラル表現の各光線に沿ったカラーサンプルの重量分布のエントロピーを計算した線量不確実性推定器を提案する。 提案した推定器を用いた新しい視点から, 基礎となる3次元形状の不確かさを推測することが可能であることを示す。 ニューラルラディアンス場に基づく表現における線量不確実性によって導かれる次ベクター選択ポリシーを提案する。
  論文  参考訳（メタデータ） (2022-09-17T21:28:57Z)
• RBGNet: Ray-based Grouping for 3D Object Detection [104.98776095895641]
  本稿では,点雲からの正確な3次元物体検出のための投票型3次元検出器RBGNetフレームワークを提案する。 決定された光線群を用いて物体表面上の点方向の特徴を集約する。 ScanNet V2 と SUN RGB-D による最先端の3D 検出性能を実現する。
  論文  参考訳（メタデータ） (2022-04-05T14:42:57Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)
• CircleNet: Anchor-free Detection with Circle Representation [10.081591705078678]
  CircleNetは球状球状球状体を検出するための円表現を用いた単純なアンカーフリー検出法である。 糸球体検出の文脈におけるCircleNetの評価を行った。
  論文  参考訳（メタデータ） (2020-06-03T18:31:51Z)
• Cylindrical Convolutional Networks for Joint Object Detection and Viewpoint Estimation [76.21696417873311]
  3次元空間で定義された畳み込みカーネルの円筒形表現を利用する学習可能なモジュールである円筒型畳み込みネットワーク(CCN)を導入する。 CCNはビュー固有の畳み込みカーネルを通してビュー固有の特徴を抽出し、各視点におけるオブジェクトカテゴリスコアを予測する。 本実験は,円柱状畳み込みネットワークが関節物体の検出と視点推定に与える影響を実証する。
  論文  参考訳（メタデータ） (2020-03-25T10:24:58Z)

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。