論文の概要: Improving Unsupervised Stain-To-Stain Translation using Self-Supervision and Meta-Learning

• arxiv url: http://arxiv.org/abs/2112.08837v1
• Date: Thu, 16 Dec 2021 12:42:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 16:59:00.347584
• Title: Improving Unsupervised Stain-To-Stain Translation using Self-Supervision and Meta-Learning
• Title（参考訳）: 自己スーパービジョンとメタラーニングによる教師なしステイン・ツー・ステイン翻訳の改良
• Authors: Nassim Bouteldja, Barbara Mara Klinkhammer, Tarek Schlaich, Peter Boor, Dorit Merhof
• Abstract要約: 画像から画像への翻訳に基づく教師なし領域適応は、デジタル病理学において重要になっている。 非教師付きステンツーステイン翻訳による異なる組織染色の変動に対処する。 腎病理組織学におけるステンレス翻訳にCycleGANを用いた。
• 参考スコア（独自算出の注目度）: 4.32671477389424
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In digital pathology, many image analysis tasks are challenged by the need for large and time-consuming manual data annotations to cope with various sources of variability in the image domain. Unsupervised domain adaptation based on image-to-image translation is gaining importance in this field by addressing variabilities without the manual overhead. Here, we tackle the variation of different histological stains by unsupervised stain-to-stain translation to enable a stain-independent applicability of a deep learning segmentation model. We use CycleGANs for stain-to-stain translation in kidney histopathology, and propose two novel approaches to improve translational effectivity. First, we integrate a prior segmentation network into the CycleGAN for a self-supervised, application-oriented optimization of translation through semantic guidance, and second, we incorporate extra channels to the translation output to implicitly separate artificial meta-information otherwise encoded for tackling underdetermined reconstructions. The latter showed partially superior performances to the unmodified CycleGAN, but the former performed best in all stains providing instance-level Dice scores ranging between 78% and 92% for most kidney structures, such as glomeruli, tubules, and veins. However, CycleGANs showed only limited performance in the translation of other structures, e.g. arteries. Our study also found somewhat lower performance for all structures in all stains when compared to segmentation in the original stain. Our study suggests that with current unsupervised technologies, it seems unlikely to produce generally applicable fake stains.
• Abstract（参考訳）: デジタル病理学では、画像領域における様々な変動源に対応するために、大規模かつ時間を要する手動データアノテーションを必要とするため、多くの画像解析タスクが課題となっている。 画像から画像への変換に基づく教師なしドメイン適応は、マニュアルのオーバーヘッドなしに可変性に対処することで、この分野において重要性を増している。 本稿では,非教師付きステンツーステイン翻訳による異なる組織染色の変動に対処し,深層学習セグメンテーションモデルの染色非依存適用性を実現する。 腎病理組織学における染色-安定翻訳にCycleGANを使用し, 翻訳効果を改善するための2つの新しいアプローチを提案する。 第1に,事前セグメンテーションネットワークをサイクルガンに統合し,意味的指導による翻訳の自己教師あり,アプリケーション指向の最適化を行い,第2に,翻訳出力に余分なチャネルを組み込むことにより,未決定の再構築に取り組むために符号化された暗黙的に分離された人工的メタ情報を得る。 後者は未修飾のCycleGANよりも部分的に優れた性能を示したが, 前者は糸球体, 尿細管, 静脈などのほとんどの腎臓構造において, インスタンスレベルのDiceスコアが78%から92%であった。 しかし、CycleGANは動脈などの他の構造の翻訳において限られた性能しか示さなかった。 また,元の染色のセグメンテーションと比較して,すべての染色の全ての構造に対して若干低い性能を示した。 我々の研究は、現在監視されていない技術では、一般的に適用可能な偽の染色を生成できないことを示唆している。

関連論文リスト

• Unsupervised Latent Stain Adaptation for Computational Pathology [2.483372684394528]
  スタン適応は、ターゲットの染色を一般化するソース染色のモデルをトレーニングすることで、異なる染色間の一般化誤差を低減することを目的としている。 我々は,Unsupervised Latent Stain Adaptation (ULSA) と呼ばれる,すべてのステンド画像を含む人工ラベル付きと非ラベル付きデータの共同トレーニングを提案する。 本手法では, 教師付き信号の増大のために, ラベル付きソース画像に合成対象画像を付加するために, ステンドトランスフォーメーションを用いる。
  論文  参考訳（メタデータ） (2024-06-27T11:08:42Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Stain Isolation-based Guidance for Improved Stain Translation [0.5249805590164902]
  CycleGANは病理組織像の染色翻訳の最先端技術である。 サイクル一貫性があるが、構造保存の誤りに悩まされることが多い。 本稿では, セグメンテーションの整合性に依存し, 病理構造の保存を可能にする手法を提案する。
  論文  参考訳（メタデータ） (2022-06-28T13:33:48Z)
• MultiPathGAN: Structure Preserving Stain Normalization using Unsupervised Multi-domain Adversarial Network with Perception Loss [10.043946236248392]
  病理組織学は、病気の診断に顕微鏡組織像の分析に頼っている。 我々は,複数のデータ取得領域にまたがって,スライド画像全体を翻訳(正規化)する,教師なしの敵ネットワークを導入する。
  論文  参考訳（メタデータ） (2022-04-20T20:48:17Z)
• Unsupervised Image-to-Image Translation with Generative Prior [103.54337984566877]
  教師なし画像画像変換は、ペアデータなしで2つの視覚領域間の翻訳を学習することを目的としている。 本稿では,GP-UNIT(Generative Prior-guided UN Image-to-image Translation)という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-07T17:59:23Z)
• Improving Multilingual Translation by Representation and Gradient Regularization [82.42760103045083]
  表現レベルと勾配レベルの両方でNMTモデルを正規化するための共同手法を提案する。 提案手法は,オフターゲット翻訳の発生率の低減とゼロショット翻訳性能の向上に有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-10T10:52:21Z)
• Modelling Latent Translations for Cross-Lingual Transfer [47.61502999819699]
  従来のパイプラインの2つのステップ(翻訳と分類)を1つのモデルに統合する新しい手法を提案する。 我々は,多言語NLUタスクにおける新しい潜時翻訳モデルの評価を行った。 ゼロショットと数ショットの学習設定の両方で、平均2.7の精度ポイントのゲインを報告します。
  論文  参考訳（メタデータ） (2021-07-23T17:11:27Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)
• Flow-based Deformation Guidance for Unpaired Multi-Contrast MRI Image-to-Image Translation [7.8333615755210175]
  本稿では,非可逆的アーキテクチャに基づく画像と画像の非対角変換に対する新しいアプローチを提案する。 我々は、連続スライス間の時間的情報を利用して、不適切な医療画像において、あるドメインを別のドメインに変換する最適化により多くの制約を与える。
  論文  参考訳（メタデータ） (2020-12-03T09:10:22Z)
• Augmented Cyclic Consistency Regularization for Unpaired Image-to-Image Translation [22.51574923085135]
  CCR(Augmented Cyclic Consistency Regularization)は、未ペアI2I翻訳の新しい正規化手法である。 本手法は実世界の翻訳における整合性正規化GAN(CR-GAN)よりも優れる。
  論文  参考訳（メタデータ） (2020-02-29T06:20:20Z)

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。