Fugu-MT 論文翻訳(概要): Nuclei segmentation and classification in histopathology images with StarDist for the CoNIC Challenge 2022

論文の概要: Nuclei segmentation and classification in histopathology images with StarDist for the CoNIC Challenge 2022

arxiv url: http://arxiv.org/abs/2203.02284v1
Date: Thu, 3 Mar 2022 01:00:26 GMT
ステータス: 処理完了
システム内更新日: 2022-03-07 15:08:45.949329
Title: Nuclei segmentation and classification in histopathology images with StarDist for the CoNIC Challenge 2022
Title（参考訳）: CoNIC Challenge 2022 における StarDist を用いた病理組織像の核分割と分類
Authors: Martin Weigert and Uwe Schmidt
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.5076419064097732
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Segmentation and classification of nuclei in histopathology images is an important task in computational pathology. Here we describe how we used StarDist, a deep learning based approach based on star-convex shape representations, for the Colon Nuclei Identification and Counting (CoNIC) challenge 2022.
Abstract（参考訳）: 病理組織像における核のセグメンテーションと分類は、計算病理学において重要な課題である。ここでは、2022年のColon Nuclei Identification and Counting(CoNIC)チャレンジにおいて、星凸形状表現に基づくディープラーニングに基づくアプローチであるStarDistの使い方を説明する。

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)
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)
Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
論文参考訳（メタデータ） (2023-02-22T14:52:06Z)
ciscNet -- A Single-Branch Cell Instance Segmentation and Classification Network [0.5716776378742903]
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。
論文参考訳（メタデータ） (2022-02-25T13:47:25Z)
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)
Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文参考訳（メタデータ） (2021-10-27T18:54:25Z)
Redesigning Fully Convolutional DenseUNets for Large Histopathology Images [0.0]
病理組織学の問題を解決するために,完全畳み込みDenseUNetを提案する。課題として公表された2つの公開病理データセットを用いて,我々のネットワークを評価した。
論文参考訳（メタデータ） (2021-08-05T15:14:20Z)
Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
論文参考訳（メタデータ） (2020-05-22T19:49:10Z)
AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography [61.405005501608706]
アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
論文参考訳（メタデータ） (2020-05-05T14:55:01Z)
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。