論文の概要: Detection of Parasitic Eggs from Microscopy Images and the emergence of
a new dataset
- arxiv url: http://arxiv.org/abs/2203.02940v1
- Date: Sun, 6 Mar 2022 11:44:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 15:55:19.980315
- Title: Detection of Parasitic Eggs from Microscopy Images and the emergence of
a new dataset
- Title(参考訳): 顕微鏡画像からの寄生卵の検出と新しいデータセットの出現
- Authors: Perla Mayo, Nantheera Anantrasirichai, Thanarat H. Chalidabhongse,
Duangdao Palasuwan and Alin Achim
- Abstract要約: 顕微鏡画像における寄生卵の自動検出は、人間の専門家の効率を高める可能性がある。
私たちは、成功したアーキテクチャを検知に利用し、異なるドメインに取り組むように適応します。
本稿では,GAN(Generative Adversarial Network)とFaster-RCNN(Faster-RCNN)による画像強調とオブジェクト検出の結果を示す。
- 参考スコア(独自算出の注目度): 8.957918272018045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic detection of parasitic eggs in microscopy images has the potential
to increase the efficiency of human experts whilst also providing an objective
assessment. The time saved by such a process would both help ensure a prompt
treatment to patients, and off-load excessive work from experts' shoulders.
Advances in deep learning inspired us to exploit successful architectures for
detection, adapting them to tackle a different domain. We propose a framework
that exploits two such state-of-the-art models. Specifically, we demonstrate
results produced by both a Generative Adversarial Network (GAN) and
Faster-RCNN, for image enhancement and object detection respectively, on
microscopy images of varying quality. The use of these techniques yields
encouraging results, though further improvements are still needed for certain
egg types whose detection still proves challenging. As a result, a new dataset
has been created and made publicly available, providing an even wider range of
classes and variability.
- Abstract(参考訳): 顕微鏡画像における寄生卵の自動検出は、人間の専門家の効率を高めると同時に、客観的評価を提供する可能性がある。
このようなプロセスで節約される時間は、患者に迅速な治療を確実にし、専門家の肩から過剰な作業をオフロードするのに役立ちます。
ディープラーニングの進歩は、成功したアーキテクチャを検出に活用し、異なるドメインに取り組むように適応するきっかけとなりました。
我々は,この2つの最先端モデルを利用するフレームワークを提案する。
具体的には,画質の異なる顕微鏡画像に対して,GAN(Generative Adversarial Network)とFaster-RCNN(Faster-RCNN)による画像強調とオブジェクト検出の結果を示す。
これらの技術を用いることで結果が促進されるが、検出が困難である特定の卵種にはさらなる改良が必要である。
その結果、新しいデータセットが作成され、公開され、より広い範囲のクラスと可変性を提供する。
関連論文リスト
- Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳(メタデータ) (2023-04-19T13:45:28Z) - Unpaired Image-to-Image Translation with Limited Data to Reveal Subtle
Phenotypes [0.5076419064097732]
本稿では,多数の画像の必要性を軽減するために,自己教師付き識別器を用いた改良型CycleGANアーキテクチャを提案する。
また, 生物学的データセットを用いて, 明らかな細胞表現型および非予防的な細胞表現型変異について検討した。
論文 参考訳(メタデータ) (2023-01-21T16:25:04Z) - A Robust Ensemble Model for Patasitic Egg Detection and Classification [9.449507409551842]
腸内寄生虫感染症は、世界中で致死性の主要な原因となっているが、それでも時間節約、高感度、ユーザフレンドリーな検査方法が欠如している。
本稿では,顕微鏡画像中の寄生卵を自動的に識別するために,YOLOv5や変種カスケードRCNNなどの物体検出器を適用した。
論文 参考訳(メタデータ) (2022-07-04T13:53:46Z) - HASA: Hybrid Architecture Search with Aggregation Strategy for
Echinococcosis Classification and Ovary Segmentation in Ultrasound Images [0.0]
超音波(US)画像分類と分割のためのハイブリッドNASフレームワークを提案する。
本手法は、上記の米国画像分類および分割タスクに対して、より強力で軽量なモデルを生成することができる。
論文 参考訳(メタデータ) (2022-04-14T01:43:00Z) - Intelligent Masking: Deep Q-Learning for Context Encoding in Medical
Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。
予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-03-25T19:05:06Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - REPLICA: Enhanced Feature Pyramid Network by Local Image Translation and
Conjunct Attention for High-Resolution Breast Tumor Detection [6.112883009328882]
本稿では,局所画像翻訳と接続注意(REPLICA)による再生ネットワークの強化について述べる。
我々は、畳み込みオートエンコーダを発電機として使用し、局所ピラミッドを介して画像にオブジェクトを注入し、それらの特徴を隠蔽層で抽出して、新しい画像を生成する。
そして、シミュレーション画像の数が多いため、視覚変換器を使用して、特徴ピラミッドネットワークへの入力として機能する各ResNet層の出力を強化する。
論文 参考訳(メタデータ) (2021-11-22T21:33:02Z) - Parasitic Egg Detection and Classification in Low-cost Microscopic
Images using Transfer Learning [1.6050172226234583]
高品質な顕微鏡画像における自動寄生虫分類の効率を高めるために, トランスファーラーニング戦略を用いたCNNベースの手法を提案する。
提案するフレームワークは,最先端のオブジェクト認識手法よりも優れている。
本システムと専門家による最終決定が組み合わさって, 低コスト顕微鏡による実地精査を改善できる可能性がある。
論文 参考訳(メタデータ) (2021-07-02T11:05:45Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳(メタデータ) (2021-05-18T10:15:17Z) - 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) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z)
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。