Fugu-MT 論文翻訳(概要): ciscNet -- A Single-Branch Cell Instance Segmentation and Classification Network

論文の概要: ciscNet -- A Single-Branch Cell Instance Segmentation and Classification Network

arxiv url: http://arxiv.org/abs/2202.13960v1
Date: Fri, 25 Feb 2022 13:47:25 GMT
ステータス: 処理完了
システム内更新日: 2022-03-01 17:27:40.672782
Title: ciscNet -- A Single-Branch Cell Instance Segmentation and Classification Network
Title（参考訳）: ciscNet - シングルブランチセルインスタンスのセグメンテーションと分類ネットワーク
Authors: Moritz B\"ohland, Oliver Neumann, Marcel P. Schilling, Markus Reischl, Ralf Mikut, Katharina L\"offler, Tim Scherr
Abstract要約: 我々は,細胞核の分断,分別,計数を行うcoNIC Challenge 2022法について述べる。私たちのコードはhttps://git.scc.kit.edu/ciscnet/ciscnet-conic-2022で公開されています。
参考スコア（独自算出の注目度）: 0.5716776378742903
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automated cell nucleus segmentation and classification are required to assist pathologists in their decision making. The Colon Nuclei Identification and Counting Challenge 2022 (CoNIC Challenge 2022) supports the development and comparability of segmentation and classification methods for histopathological images. In this contribution, we describe our CoNIC Challenge 2022 method ciscNet to segment, classify and count cell nuclei, and report preliminary evaluation results. Our code is available at https://git.scc.kit.edu/ciscnet/ciscnet-conic-2022.
Abstract（参考訳）: 細胞核のセグメンテーションと分類は、病理学者の意思決定を助けるために必要である。 Colon Nuclei Identification and Counting Challenge 2022 (CoNIC Challenge 2022) は、病理画像の分類法と分類法の開発を支援している。本稿では,細胞核の分別,分別,計数を行うためのcoNIC Challenge 2022法について述べるとともに,予備評価結果を報告する。私たちのコードはhttps://git.scc.kit.edu/ciscnet/ciscnet-conic-2022で利用可能です。

関連論文リスト

Multi-stream Cell Segmentation with Low-level Cues for Multi-modality Images [66.79688768141814]
我々は,顕微鏡画像のラベル付けを行うセル分類パイプラインを開発した。次に、分類ラベルに基づいて分類モデルを訓練する。 2種類のセグメンテーションモデルを、丸みを帯びた形状と不規則な形状のセグメンテーションセルに展開する。
論文参考訳（メタデータ） (2023-10-22T08:11:08Z)
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)
CoNIC Challenge: Pushing the Frontiers of Nuclear Detection, Segmentation, Classification and Counting [46.45578907156356]
我々は、核分裂と細胞組成を評価するために、その種の最大の利用可能なデータセットを用いて、コミュニティ全体の課題をセットアップする。大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な組織解析を行った。腫瘍微小環境において,核および好酸球が重要な役割を担っていることが示唆された。
論文参考訳（メタデータ） (2023-03-11T01:21:13Z)
1st Place Solution of The Robust Vision Challenge (RVC) 2022 Semantic Segmentation Track [67.56316745239629]
本報告では,ECCV 2022におけるロバストビジョンチャレンジのセマンティックセグメンテーション課題に対する勝利解について述べる。本手法では,エンコーダとしてFAN-B-Hybridモデルを採用し,セグメンテーションフレームワークとしてSegformerを使用している。提案手法は,マルチドメインセグメンテーションタスクの強力なベースラインとして機能し,今後の作業に役立てることができる。
論文参考訳（メタデータ） (2022-10-23T20:52:22Z)
Nuclei segmentation and classification in histopathology images with StarDist for the CoNIC Challenge 2022 [0.5076419064097732]
我々は、Crom Nuclei Identification and Counting (NICCo)チャレンジのための星形表現に基づくアプローチであるStarDistの使い方を説明する。
論文参考訳（メタデータ） (2022-03-03T01:00:26Z)
Separable-HoverNet and Instance-YOLO for Colon Nuclei Identification and Counting [5.748087137894269]
本稿では,Separable-HoverNet と Instance-YOLOv5 を組み合わせて,大腸核と非平衡核をインデントする手法を提案する。本手法は,mPQ+0.389を核上で,r20.599を細胞組成予備試験データセット上で達成する。
論文参考訳（メタデータ） (2022-03-01T06:48:23Z)
Nuclei panoptic segmentation and composition regression with multi-task deep neural networks [0.12183405753834559]
本報告では,Crocol Nuclei Identification and Counting (CoNIC) に提案した手法について述べる。提案手法では, マルチタスク学習フレームワークを用いて, 単視分割タスクと回帰タスクを実行する。パノプティカルセグメンテーションタスクでは、エンコーダ-デコーダ型ディープニューラルネットワークを用いて方向マップとセグメンテーションマップを予測し、近隣の核を異なるインスタンスに分割する。
論文参考訳（メタデータ） (2022-02-23T22:09:37Z)
CoNIC: Colon Nuclei Identification and Counting Challenge 2022 [5.23834975053771]
大腸核の同定とカウント(CoNIC)の課題を整理する。研究者は、核のセグメンテーション、分類、カウントを行うアルゴリズムを開発することを奨励する。この課題の一環として、各入力アルゴリズムの感度を特定の入力変動に対してテストする。
論文参考訳（メタデータ） (2021-11-29T12:06:47Z)
Nuclei Grading of Clear Cell Renal Cell Carcinoma in Histopathological Image by Composite High-Resolution Network [31.00452985964065]
コンピュータ支援された核グレーディングは、病理学者の作業効率を改善し、誤診断率を減らすことを目的としている。既存の核セグメンテーションと分類法のほとんどは、核グレーディングのクラス間類似性を扱えない。 ccRCC核グレーディングのための複合高分解能ネットワークを提案する。
論文参考訳（メタデータ） (2021-06-20T07:32:26Z)
Towards a Complete Pipeline for Segmenting Nuclei in Feulgen-Stained Images [52.946144307741974]
頸部がんは世界で2番目に多いがんである。本稿では,畳み込みニューラルネットワークを用いたフェールゲン安定画像中の核分割のための完全なパイプラインを提案する。 We achieved a overall IoU 0.78, showed the availableability of the approach of nuclear segmentation on Feulgen-stained images。
論文参考訳（メタデータ） (2020-02-19T18:14:57Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。