論文の概要: An Object Aware Hybrid U-Net for Breast Tumour Annotation
- arxiv url: http://arxiv.org/abs/2202.10691v1
- Date: Tue, 22 Feb 2022 06:30:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 16:13:45.984419
- Title: An Object Aware Hybrid U-Net for Breast Tumour Annotation
- Title（参考訳）: 乳房腫瘍アノテーションのためのハイブリッドU-Net
- Authors: Suvidha Tripathi and Satish Kumar Singh
- Abstract要約: 病理学者は、疑わしい腫瘍領域の周囲の粗い境界をマークすることで、がんのスライドを注釈する。
本研究は,腫瘍範囲を多角形境界で区分することで,病理学者をアノテーションのように模倣する試みである。
提案したハイブリッドディープラーニングモデルでは,従来のActive Contoursセグメンテーション手法を用いて,最新のディープラーニングセグメンテーションアルゴリズムを融合する。
- 参考スコア（独自算出の注目度）: 13.858624044986815
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the clinical settings, during digital examination of histopathological
slides, the pathologist annotate the slides by marking the rough boundary
around the suspected tumour region. The marking or annotation is generally
represented as a polygonal boundary that covers the extent of the tumour in the
slide. These polygonal markings are difficult to imitate through CAD techniques
since the tumour regions are heterogeneous and hence segmenting them would
require exhaustive pixel wise ground truth annotation. Therefore, for CAD
analysis, the ground truths are generally annotated by pathologist explicitly
for research purposes. However, this kind of annotation which is generally
required for semantic or instance segmentation is time consuming and tedious.
In this proposed work, therefore, we have tried to imitate pathologist like
annotation by segmenting tumour extents by polygonal boundaries. For polygon
like annotation or segmentation, we have used Active Contours whose vertices or
snake points move towards the boundary of the object of interest to find the
region of minimum energy. To penalize the Active Contour we used modified U-Net
architecture for learning penalization values. The proposed hybrid deep
learning model fuses the modern deep learning segmentation algorithm with
traditional Active Contours segmentation technique. The model is tested against
both state-of-the-art semantic segmentation and hybrid models for performance
evaluation against contemporary work. The results obtained show that the
pathologist like annotation could be achieved by developing such hybrid models
that integrate the domain knowledge through classical segmentation methods like
Active Contours and global knowledge through semantic segmentation deep
learning models.
- Abstract（参考訳）: 臨床状況では,病理組織学的すべりのデジタル検査中に,腫瘍領域周辺の粗い境界をマークすることにより,病理組織学的すべりをアノテートする。
マーキングまたはアノテーションは一般に、スライド内の腫瘍の範囲をカバーする多角形境界として表現される。
これらの多角形マーキングは、腫瘍領域が異種であるため、cad技術によって模倣することが困難である。
したがってcad分析では、基礎的真理は一般に病理学者によって研究目的で明示的に注釈付けされる。
しかし、一般的にセマンティックやインスタンスセグメンテーションに必要とされるこの種のアノテーションは時間がかかり、面倒です。
そこで本研究では,腫瘍範囲を多角形境界で区分することで,病理学的なアノテーションの模倣を試みた。
アノテーションやセグメンテーションのような多角形では、頂点やスネークポイントが関心対象の境界に向かって移動し、最小エネルギーの領域を見つけるアクティブな輪郭を用いています。
アクティブな輪郭をペナリゼーションするために、私たちは、ペナリゼーション値の学習に修正されたu-netアーキテクチャを使用しました。
提案するハイブリッド型ディープラーニングモデルでは,最新のディープラーニングセグメンテーションアルゴリズムと,従来のアクティブパターンセグメンテーション手法を融合する。
このモデルは,現代作業に対する性能評価のために,最先端セマンティックセマンティックセグメンテーションとハイブリッドモデルの両方に対して試験される。
その結果、アノテーションのような病理学者は、Active Contoursのような古典的なセグメンテーション手法と、意味的セグメンテーション深層学習モデルによるグローバルな知識を通じてドメイン知識を統合するハイブリッドモデルを開発することで、達成できることを示した。
関連論文リスト
- Anatomy-guided Pathology Segmentation [56.883822515800205]
本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。
我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。
これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
論文 参考訳（メタデータ） (2024-07-08T11:44:15Z) - COIN: Counterfactual inpainting for weakly supervised semantic segmentation for medical images [3.5418498524791766]
本研究は, 新規なカウンターファクト・インパインティング・アプローチ(COIN)の開発である。
COINは、予測された分類ラベルを生成モデルを用いて異常から正常に反転させる。
本手法の有効性は,エストニアのタルツ大学病院から取得したCT画像から,合成標的と実際の腎腫瘍を分離することによって実証される。
論文 参考訳（メタデータ） (2024-04-19T12:09:49Z) - Train-Free Segmentation in MRI with Cubical Persistent Homology [0.0]
トポロジカルデータ解析(TDA)を用いたMRI画像の分割法について述べる。
これは3つのステップで機能し、まずは自動しきい値設定によってオブジェクト全体をセグメントに識別し、次に事前にトポロジが知られている特定の部分集合を検出し、最後にセグメンテーションの様々な成分を推論する。
脳MRIにおけるグリオブラスト腫分画の例について検討し、2次元スライスが円である胎児脳MRIにおいて、シリンダーを含む心臓MRIにおける心筋、および皮質プレート検出について検討した。
論文 参考訳（メタデータ） (2024-01-02T11:43:49Z) - Weakly supervised segmentation with point annotations for histopathology
images via contrast-based variational model [7.021021047695508]
病理組織像のセグメンテーション結果を生成するためのコントラストモデルを提案する。
本手法は,病理組織像における対象領域の共通特性を考察し,エンドツーエンドで訓練することができる。
より地域的に一貫性があり、スムーズな境界セグメンテーションを生成することができ、未ラベルの新規領域に対してより堅牢である。
論文 参考訳（メタデータ） (2023-04-07T10:12:21Z) - Robust Interactive Semantic Segmentation of Pathology Images with
Minimal User Input [1.5328185694137677]
組織像の異なる組織タイプを正確にアノテートするために,ユーザからの最小限の入力を必要とする,効率的なインタラクティブセグメンテーションネットワークを提案する。
提案手法は対話型アノテーション処理を高速化するだけでなく,既存の自動および対話型領域分割モデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2021-08-30T16:43:03Z) - Sequential Learning on Liver Tumor Boundary Semantics and Prognostic
Biomarker Mining [73.23533486979166]
腫瘍境界に対する毛細血管浸潤は予後指標であるmicrovascular invasion (mvi) と臨床的に相関することが証明されている。
本論文では,タスクを2つのコンポーネントに分離する,第1および新規な計算フレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-09T01:43:05Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - 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) - Shape-aware Meta-learning for Generalizing Prostate MRI Segmentation to
Unseen Domains [68.73614619875814]
前立腺MRIのセグメント化におけるモデル一般化を改善するために,新しい形状認識メタラーニング手法を提案する。
実験結果から,本手法は未確認領域の6つの設定すべてにおいて,最先端の一般化手法を一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2020-07-04T07:56:02Z) - NINEPINS: Nuclei Instance Segmentation with Point Annotations [2.19221864553448]
本稿では,ポイントアノテーションから自動生成される擬似ラベルセグメンテーションを用いたサンプルセグメンテーションのアルゴリズムを提案する。
生成されたセグメンテーションマスクを用いて、提案手法は、インスタンスセグメンテーションを実現するために、HoVer-Netモデルの修正版を訓練する。
実験結果から,提案手法はポイントアノテーションの不正確性に対して頑健であり,完全注釈付きインスタンスマスクを用いたHover-Netと比較すると,セグメンテーション性能の劣化が必ずしも組織分類などの高次タスクの劣化を意味するとは限らないことが示唆された。
論文 参考訳（メタデータ） (2020-06-24T08:28:52Z) - Weakly supervised multiple instance learning histopathological tumor
segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。
トレーニングモデルに複数のインスタンス学習スキームを利用する。
提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文 参考訳（メタデータ） (2020-04-10T13:12:47Z)
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。