論文の概要: Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis
- arxiv url: http://arxiv.org/abs/2110.14709v1
- Date: Wed, 27 Oct 2021 18:54:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 16:03:11.225348
- Title: Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis
- Title(参考訳): シャープ-GAN: 病理画像合成のための正規化GAN
- Authors: Sujata Butte, Haotian Wang, Min Xian, Aleksandar Vakanski
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 65.47507533905188
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Existing deep learning-based approaches for histopathology image analysis
require large annotated training sets to achieve good performance; but
annotating histopathology images is slow and resource-intensive. Conditional
generative adversarial networks have been applied to generate synthetic
histopathology images to alleviate this issue, but current approaches fail to
generate clear contours for overlapped and touching nuclei. In this study, We
propose a sharpness loss regularized generative adversarial network to
synthesize realistic histopathology images. The proposed network uses
normalized nucleus distance map rather than the binary mask to encode nuclei
contour information. The proposed sharpness loss enhances the contrast of
nuclei contour pixels. The proposed method is evaluated using four image
quality metrics and segmentation results on two public datasets. Both
quantitative and qualitative results demonstrate that the proposed approach can
generate realistic histopathology images with clear nuclei contours.
- Abstract(参考訳): 既存の深層学習に基づく組織像解析手法は、優れたパフォーマンスを達成するために大量の注釈付きトレーニングセットを必要とするが、注釈付き病理像は遅く、資源集約的である。
コンディショナル・ジェネレーティブ・逆境ネットワークは、この問題を緩和するために合成組織像を生成するために応用されてきたが、現在のアプローチでは重なり合う原子核と接触する原子核の明確な輪郭を生成できない。
本研究では,現実の病理組織像を合成するためのシャープネス損失正規化生成逆ネットワークを提案する。
提案ネットワークは、二乗マスクではなく正規化された核距離マップを用いて、核輪郭情報を符号化する。
提案するシャープネス損失は、核輪郭画素のコントラストを高める。
提案手法は,2つの公開データセットの4つの画像品質指標とセグメンテーション結果を用いて評価する。
定量的および定性的な結果から,提案手法が明瞭な核輪郭を持つ現実的な病理組織像を生成できることが証明された。
関連論文リスト
- Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳(メタデータ) (2024-08-28T10:07:17Z) - 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) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳(メタデータ) (2023-01-24T17:54:01Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳(メタデータ) (2022-03-29T08:41:17Z) - Multi-scale Sparse Representation-Based Shadow Inpainting for Retinal
OCT Images [0.261990490798442]
網膜光コヒーレンス断層撮影(OCT)画像における表面血管による陰影領域の塗布は,正確で堅牢な機械解析と臨床診断に重要である。
近隣情報を伝播して徐々に行方不明地域を埋めるといった従来のシーケンスベースのアプローチは費用対効果が高い。
エンコーダ・デコーダネットワークのような深層学習に基づく手法は、自然な画像の描画タスクにおいて有望な結果を示している。
スパース表現と深層学習を相乗的に適用することにより,OCT画像のマルチスケールシャドウ塗装フレームワークを提案する。
論文 参考訳(メタデータ) (2022-02-23T09:37:14Z) - Blind deblurring for microscopic pathology images using deep learning
networks [0.0]
顕微鏡画像のデフォーカスや動きのぼかしを軽減できるディープラーニングベースのアプローチを実証する。
ぼやけたタイプ、ぼやけた範囲、病理染色を事前に知ることなく、より鮮明できめ細かな画像が得られる。
そこで我々は, 画像のぼかし補正とAIアルゴリズムの診断結果の改善に優れた性能を示した。
論文 参考訳(メタデータ) (2020-11-24T03:52:45Z) - Two-Stage Resampling for Convolutional Neural Network Training in the
Imbalanced Colorectal Cancer Image Classification [1.8275108630751844]
データ不均衡は、現代の機械学習におけるオープンな課題の1つだ。
データ不均衡を扱う従来のデータレベルのアプローチは、画像データには適していない。
オーバーサンプリングとアンダーサンプリングに関わる問題を緩和する新しい2段階リサンプリング手法を提案する。
論文 参考訳(メタデータ) (2020-04-07T13:11:17Z) - Exploiting Semantics for Face Image Deblurring [121.44928934662063]
本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。
顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。
提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
論文 参考訳(メタデータ) (2020-01-19T13:06:27Z)
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。