論文の概要: PointNu-Net: Keypoint-assisted Convolutional Neural Network for
Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification
- arxiv url: http://arxiv.org/abs/2111.01557v2
- Date: Tue, 30 May 2023 08:11:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 03:26:54.552609
- Title: PointNu-Net: Keypoint-assisted Convolutional Neural Network for
Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification
- Title（参考訳）: PointNu-Net:同時多部組織分類・分類のためのキーポイント支援畳み込みニューラルネットワーク
- Authors: Kai Yao and Kaizhu Huang and Jie Sun and Amir Hussain
- Abstract要約: ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。
本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
- 参考スコア（独自算出の注目度）: 23.466331358975044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic nuclei segmentation and classification play a vital role in digital
pathology. However, previous works are mostly built on data with limited
diversity and small sizes, making the results questionable or misleading in
actual downstream tasks. In this paper, we aim to build a reliable and robust
method capable of dealing with data from the 'the clinical wild'. Specifically,
we study and design a new method to simultaneously detect, segment, and
classify nuclei from Haematoxylin and Eosin (H&E) stained histopathology data,
and evaluate our approach using the recent largest dataset: PanNuke. We address
the detection and classification of each nuclei as a novel semantic keypoint
estimation problem to determine the center point of each nuclei. Next, the
corresponding class-agnostic masks for nuclei center points are obtained using
dynamic instance segmentation. Meanwhile, we proposed a novel Joint Pyramid
Fusion Module (JPFM) to model the cross-scale dependencies, thus enhancing the
local feature for better nuclei detection and classification. By decoupling two
simultaneous challenging tasks and taking advantage of JPFM, our method can
benefit from class-aware detection and class-agnostic segmentation, thus
leading to a significant performance boost. We demonstrate the superior
performance of our proposed approach for nuclei segmentation and classification
across 19 different tissue types, delivering new benchmark results.
- Abstract（参考訳）: 自動核セグメンテーションと分類は、デジタル病理学において重要な役割を果たす。
しかしながら、以前の作業は、主に多様性とサイズが限定されたデータに基づいており、結果が疑わしいか、あるいは実際のダウンストリームタスクで誤解を招くようにしている。
本稿では,「臨床ワイルド」からのデータを扱うことができる信頼性とロバストな手法を構築することを目的とする。
具体的には, haematoxylin および eosin (h&e) 染色組織病理データからの核を同時検出, 分割, 分類する新しい方法の検討と, 最近の大規模データセット pannuke を用いたアプローチの評価を行った。
本稿では,各核の中心点を決定するために,各核の検出と分類を新しい意味的キーポイント推定問題として扱う。
次に、動的インスタンスセグメンテーションを用いて、核中心点に対する対応する類別マスクを求める。
一方,我々はクロススケールな依存関係をモデル化し,より優れた核検出と分類のための局所的特徴を高めるために,新しいJPFM(Joint Pyramid Fusion Module)を提案した。
2つの同時実行課題の分離とJPFMの活用により,本手法はクラス認識検出とクラス非依存セグメンテーションの恩恵を受け,性能が大幅に向上する。
提案手法は19の異なる組織タイプにまたがる核分画と分類において優れた性能を示し,新たなベンチマーク結果を得た。
関連論文リスト
- A Survey on Cell Nuclei Instance Segmentation and Classification: Leveraging Context and Attention [2.574831636177296]
我々は,H&E-stained microscopy imaging を用いて,細胞核のインスタンスのセグメンテーションと分類のコンテキストとアテンションに関する調査を行った。
本研究では,一般的な事例分割・分類手法(Mask-RCNN)と,コンテキスト・アテンションに基づく機構を用いたセル核の分類・分類モデル(HoVer-Net)を拡張した。
我々の研究結果は、ドメイン知識をアルゴリズム設計に翻訳することは簡単な作業ではなく、これらのメカニズムを完全に活用する必要があることを示唆している。
論文 参考訳（メタデータ） (2024-07-26T11:30:22Z) - UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。
異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。
特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文 参考訳（メタデータ） (2024-02-20T11:50:27Z) - BoNuS: Boundary Mining for Nuclei Segmentation with Partial Point Labels [34.57288003249214]
本稿では,核の部分点ラベルのみを必要とする弱制御型核分割法を提案する。
具体的には,核内部情報と境界情報とを同時に学習するBoNuSという,核セグメンテーションのための新しい境界地雷フレームワークを提案する。
形態学的な知識で欠落した核を検出するためのカリキュラム学習を備えた核検出モジュールについて検討する。
論文 参考訳（メタデータ） (2024-01-15T02:50:39Z) - Prompt-based Grouping Transformer for Nucleus Detection and
Classification [70.55961378096116]
核の検出と分類は、疾患の診断に有効な情報を生み出す。
既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。
グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-22T04:50:48Z) - A three in one bottom-up framework for simultaneous semantic
segmentation, instance segmentation and classification of multi-organ nuclei
in digital cancer histology [3.2228025627337864]
デジタル組織学における核の同時セグメンテーションと分類は、コンピュータによるがん診断において重要な役割を担っている。
最も達成されたバイナリとマルチクラスのPanoptic Quality (PQ)は、それぞれ0.68 bPQと0.49 mPQである。
この作業は、以前のモデルを同時インスタンスのセグメンテーションと分類に拡張します。
論文 参考訳（メタデータ） (2023-08-22T04:10:14Z) - Enhancing Nucleus Segmentation with HARU-Net: A Hybrid Attention Based
Residual U-Blocks Network [9.718765096478371]
核分割の現在の手法は、核形態学や輪郭に基づくアプローチに依存している。
本稿では,ハイブリッドアテンションに基づく残差Uブロックを用いたデュアルブランチネットワークを提案する。
ネットワーク内において,ネットワークからコンテキスト情報を効果的に抽出し,マージするコンテキスト融合ブロック(CF-block)を提案する。
論文 参考訳（メタデータ） (2023-08-07T08:03:20Z) - Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。
本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。
次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
論文 参考訳（メタデータ） (2023-02-22T14:52:06Z) - A Novel Dataset and a Deep Learning Method for Mitosis Nuclei
Segmentation and Classification [10.960222475663006]
ミトコンドリア核数(Mitosis nuclear count)は乳癌の病理診断における重要な指標の1つである。
そこで本研究では,SCMitosisという2段階のミトーシスセグメンテーションと分類法を提案する。
提案モデルはICPR 2012データセット上で検証され、最高Fスコア値は0.8687である。
論文 参考訳（メタデータ） (2022-12-27T08:12:42Z) - Domain Adaptive Nuclei Instance Segmentation and Classification via
Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。
我々のアプローチは、最先端のUDA手法よりも顕著なマージンで優れています。
論文 参考訳（メタデータ） (2022-07-04T07:05:06Z) - Instance-aware Self-supervised Learning for Nuclei Segmentation [47.07869311690419]
本稿では,核インスタンス分割タスクにおける畳み込みニューラルネットワーク(CNN)の能力を活用するための,新たな自己教師型学習フレームワークを提案する。
提案するアプローチには、2つのサブタスクが含まれており、ニューラルネットワークは、核の大きさと量の事前知識を暗黙的に活用することができる。
公開されているMoNuSegデータセットの実験結果から、提案した自己教師付き学習手法は、核インスタンスのセグメンテーション精度を著しく向上させることができることが示された。
論文 参考訳（メタデータ） (2020-07-22T03:37:14Z) - Weakly Supervised Deep Nuclei Segmentation Using Partial Points
Annotation in Histopathology Images [51.893494939675314]
本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。
本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
論文 参考訳（メタデータ） (2020-07-10T15:41:29Z)
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。