論文の概要: Importance of Preprocessing in Histopathology Image Classification Using
Deep Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2201.09867v1
- Date: Mon, 24 Jan 2022 18:41:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-25 18:00:31.435550
- Title: Importance of Preprocessing in Histopathology Image Classification Using
Deep Convolutional Neural Network
- Title(参考訳): 深部畳み込みニューラルネットワークを用いた病理画像分類における前処理の重要性
- Authors: Nilgun Sengoz, Tuncay Yigit, Ozlem Ozmen, Ali Hakan Isik
- Abstract要約: 本研究の目的は,病理組織像から疾患を診断するための代替的でハイブリッドな方法を提案することである。
このハイブリッド手法は,画像処理とディープラーニングの両方を併用して,より良い結果を得る。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The aim of this study is to propose an alternative and hybrid solution method
for diagnosing the disease from histopathology images taken from animals with
paratuberculosis and intact intestine. In detail, the hybrid method is based on
using both image processing and deep learning for better results. Reliable
disease detection from histo-pathology images is known as an open problem in
medical image processing and alternative solutions need to be developed. In
this context, 520 histopathology images were collected in a joint study with
Burdur Mehmet Akif Ersoy University, Faculty of Veterinary Medicine, and
Department of Pathology. Manually detecting and interpreting these images
requires expertise and a lot of processing time. For this reason,
veterinarians, especially newly recruited physicians, have a great need for
imaging and computer vision systems in the development of detection and
treatment methods for this disease. The proposed solution method in this study
is to use the CLAHE method and image processing together. After this
preprocessing, the diagnosis is made by classifying a convolutional neural
network sup-ported by the VGG-16 architecture. This method uses completely
original dataset images. Two types of systems were applied for the evaluation
parameters. While the F1 Score was 93% in the method classified without data
preprocessing, it was 98% in the method that was preprocessed with the CLAHE
method.
- Abstract(参考訳): 本研究の目的は, 傍結核動物および腸の病理組織像から疾患を診断するための代替的, ハイブリッドなソリューションを提案することである。
本手法は,画像処理と深層学習の両方を併用して,より優れた結果を得る。
病理組織画像からの信頼性の高い疾患検出は医用画像処理におけるオープンな問題として知られ、代替ソリューションの開発が求められている。
この文脈では, burdur mehmet akif ersoy university, 獣医学部, 病理科と共同で520の病理像を収集した。
これらのイメージを手動で検出し解釈するには、専門知識と多くの処理時間が必要です。
このため、獣医、特に新しく採用された医師は、この疾患の検出と治療方法の開発において、画像とコンピュータビジョンシステムが必要である。
本研究では,CLAHE法と画像処理を併用する手法を提案する。
この前処理後、vgg-16アーキテクチャで置換された畳み込みニューラルネットワークを分類して診断する。
この方法は、完全にオリジナルなデータセットイメージを使用する。
評価パラメータには2種類のシステムを適用した。
f1スコアはデータ前処理なしで分類した手法では93%であったが,clahe法で前処理した手法では98%であった。
関連論文リスト
- Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - Significantly improving zero-shot X-ray pathology classification via
fine-tuning pre-trained image-text encoders [51.14431540035141]
下流のゼロショット病理分類性能を改善するために,文サンプリングと正対損失緩和に基づく新たな微調整手法を提案する。
4種類の胸部X線データセットを用いてゼロショット病理分類性能を劇的に改善した。
論文 参考訳(メタデータ) (2022-12-14T06:04:18Z) - Debiasing Deep Chest X-Ray Classifiers using Intra- and Post-processing
Methods [9.152759278163954]
本研究では、すでに訓練済みのニューラルネットワークを微調整および刈り取ることに基づく2つの新しいプロセス内処理手法を提案する。
我々の知る限りでは、胸部X線写真における脱バイアス法の研究としては、これが最初の試みの1つである。
論文 参考訳(メタデータ) (2022-07-26T10:18:59Z) - Development of an algorithm for medical image segmentation of bone
tissue in interaction with metallic implants [58.720142291102135]
本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。
骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。
ネットワーク精度の面では、モデルは約98%に達した。
論文 参考訳(メタデータ) (2022-04-22T08:17:20Z) - 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) - Classification of COVID-19 on chest X-Ray images using Deep Learning
model with Histogram Equalization and Lungs Segmentation [1.6019444314820142]
本研究は,胸部X線を用いたコビッドウイルス感染肺の検出のためのディープラーニングアーキテクチャに基づく研究である。
我々の新しいアプローチは、よく知られた前処理技術、特徴抽出法、およびデータセットバランス法を組み合わせることで、優れた98%の認識率をもたらす。
論文 参考訳(メタデータ) (2021-12-05T05:04:38Z) - Pathological Analysis of Blood Cells Using Deep Learning Techniques [0.0]
血液細胞像を様々なカテゴリに分類するニューラルネットワークが提案されている。
提案したモデルの性能は、既存の標準アーキテクチャよりも優れており、様々な研究者によってなされている。
論文 参考訳(メタデータ) (2021-11-05T05:37:10Z) - Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。
本稿では,生成逆U-Netという新しい生成手法を提案する。
当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文 参考訳(メタデータ) (2021-01-12T23:02:26Z) - 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) - A Deep Learning Study on Osteosarcoma Detection from Histological Images [6.341765152919201]
最も一般的な悪性骨腫瘍は骨肉腫である。
CNNは、外科医の作業量を著しく減らし、患者の状態の予後を良くする。
CNNは、より信頼できるパフォーマンスを達成するために、大量のデータをトレーニングする必要があります。
論文 参考訳(メタデータ) (2020-11-02T18:16:17Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z)
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。