Fugu-MT 論文翻訳(概要): Colon Nuclei Instance Segmentation using a Probabilistic Two-Stage Detector

論文の概要: Colon Nuclei Instance Segmentation using a Probabilistic Two-Stage Detector

arxiv url: http://arxiv.org/abs/2203.01321v1
Date: Tue, 1 Mar 2022 20:42:38 GMT
ステータス: 処理完了
システム内更新日: 2022-03-04 15:22:21.981722
Title: Colon Nuclei Instance Segmentation using a Probabilistic Two-Stage Detector
Title（参考訳）: 確率的2段階検出器を用いたコロニー核インスタンスセグメンテーション
Authors: Pedro Costa, Yongpan Fu, Jo\~ao Nunes, Aur\'elio Campilho, Jaime S. Cardoso
Abstract要約: 本稿では、CenterNet2オブジェクト検出モデルを変更し、インスタンスセグメンテーションを実行することを提案する。私たちは、CoNICチャレンジデータセットでSegCenterNet2をトレーニングし、競合メトリクスのMask R-CNNよりも優れたパフォーマンスを示している。
参考スコア（独自算出の注目度）: 2.392411404660862
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cancer is one of the leading causes of death in the developed world. Cancer diagnosis is performed through the microscopic analysis of a sample of suspicious tissue. This process is time consuming and error prone, but Deep Learning models could be helpful for pathologists during cancer diagnosis. We propose to change the CenterNet2 object detection model to also perform instance segmentation, which we call SegCenterNet2. We train SegCenterNet2 in the CoNIC challenge dataset and show that it performs better than Mask R-CNN in the competition metrics.
Abstract（参考訳）: ガンは先進国における主要な死因の1つである。癌診断は、不審組織の試料の顕微鏡的分析によって行われる。このプロセスは時間がかかり、エラーが発生しやすいが、深層学習モデルはがん診断の病理学者に役立つかもしれない。我々は、CenterNet2オブジェクト検出モデルを変更し、SegCenterNet2と呼ばれるインスタンスセグメンテーションを実行することを提案する。私たちは、CoNICチャレンジデータセットでSegCenterNet2をトレーニングし、競合メトリクスのMask R-CNNよりも優れたパフォーマンスを示している。

関連論文リスト

AWGUNET: Attention-Aided Wavelet Guided U-Net for Nuclei Segmentation in Histopathology Images [26.333686941245197]
本稿では,U-NetアーキテクチャとDenseNet-121バックボーンを組み合わせたセグメンテーション手法を提案する。本モデルでは,ウェーブレット誘導チャネルアテンションモジュールを導入し,セル境界のデライン化を促進させる。その結果,Mouseg と TNBC の2つの病理組織学的データセットを用いて,提案モデルの優位性を実証した。
論文参考訳（メタデータ） (2024-06-12T17:10:27Z)
OCU-Net: A Novel U-Net Architecture for Enhanced Oral Cancer Segmentation [22.652902408898733]
本研究は,口腔癌検出専用のU-NetイメージセグメンテーションアーキテクチャであるOCU-Netを提案する。 OCU-Netは、Channel and Space Attention Fusion (CSAF)モジュールのような高度なディープラーニングモジュールを組み込んでいる。本研究で用いた2つのデータセットの口腔癌セグメンテーションにおいて,これらのモジュールの組み込みは優れた性能を示した。
論文参考訳（メタデータ） (2023-10-03T23:25:19Z)
Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
論文参考訳（メタデータ） (2022-11-10T13:11:21Z)
Comparative analysis of deep learning approaches for AgNOR-stained cytology samples interpretation [52.77024349608834]
本稿では, 深層学習手法を用いて, 好気性ヌクレオラオーガナイザ領域 (AgNOR) 染色スライダを解析する方法を提案する。以上の結果から,バックボーンとしてResNet-18やResNet-34を用いたU-Netを用いたセマンティックセマンティックセマンティックセマンティクスは類似した結果を示す。最も優れたモデルは、それぞれ0.83、0.92、0.99の核、クラスター、衛星のIoUを示す。
論文参考訳（メタデータ） (2022-10-19T15:15:32Z)
MFSNet: A Multi Focus Segmentation Network for Skin Lesion Segmentation [28.656853454251426]
本研究は,皮膚病変の制御のための人工知能(AI)フレームワークを開発する。 MFSNetは3つの公開データセットで評価され、最先端の手法よりも優れている。
論文参考訳（メタデータ） (2022-03-27T16:10:40Z)
FocusNetv2: Imbalanced Large and Small Organ Segmentation with Adversarial Shape Constraint for Head and Neck CT Images [82.48587399026319]
organ-at-risk (oars) は、健康な臓器の損傷を避けるために放射線治療計画において重要なステップである。本研究では,この課題を解決するために,2段階の深層ニューラルネットワークであるFocusNetv2を提案する。従来のFocusNetに加えて,小臓器に新たな対角的形状制約を導入し,推定小臓器形状と臓器形状との整合性を確保する。
論文参考訳（メタデータ） (2021-04-05T04:45:31Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
C-Net: A Reliable Convolutional Neural Network for Biomedical Image Classification [6.85316573653194]
生体医用画像の分類を行うために,C-Netと呼ばれる複数のネットワークの結合からなる新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 C-Netモデルは、両方のデータセットの個々のメトリクスにおける他のモデルよりも優れており、誤分類はゼロである。
論文参考訳（メタデータ） (2020-10-30T20:03:20Z)
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)
SDCT-AuxNet$^{\theta}$: DCT Augmented Stain Deconvolutional CNN with Auxiliary Classifier for Cancer Diagnosis [14.567067583556714]
急性リンパ性白血病(英語: acute lymphoblastic leukemia,ALL)は、世界中の小児の白血球癌である。本稿では,all癌細胞像の分類のための新しいディープラーニングアーキテクチャを提案する。先日公表した15114枚のall癌と健康な細胞のデータセットを用いて実験を行った。
論文参考訳（メタデータ） (2020-05-30T16:01:31Z)
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)

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。