Fugu-MT 論文翻訳(概要): CoNIC Solution

論文の概要: CoNIC Solution

arxiv url: http://arxiv.org/abs/2203.03415v1
Date: Fri, 4 Mar 2022 06:41:40 GMT
ステータス: 処理完了
システム内更新日: 2022-03-10 12:06:52.107561
Title: CoNIC Solution
Title（参考訳）: コーニック溶液
Authors: Wenhua Zhang
Abstract要約: 本稿では,CoNICコンペティションで使用する2段階パイプラインを提案する。元のベースライン法と類似したモデル: HoVerNet をセグメント化モデルとして採用し,分類結果を微調整する新しい分類モデルを開発する。
参考スコア（独自算出の注目度）: 3.0895898827758552
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Nuclei segmentation and classification has been a challenge due to the high inter-class similarity and intra-class variability. Thus, a large-scale annotation and a specially-designed algorithm are needed to solve this problem. Lizard is therefore a great promotion in this area, containing around half a million nuclei annotated. In this paper, we propose a two-stage pipeline used in the CoNIC competition, which achieves much better results than the baseline method. We adopt a similar model as the original baseline method: HoVerNet, as the segmentaion model and then develop a new classification model to fine-tune the classification results. Code for this method will be made public soon. This is a conic solution in testing.
Abstract（参考訳）: 核のセグメンテーションと分類は、クラス間類似度とクラス内変異性が高いため、課題となっている。この問題を解決するには,大規模アノテーションと特別に設計されたアルゴリズムが必要である。そのため、リザードはこの領域では大きな推進であり、約50万個の核に注釈を付けた。本稿では,CoNICコンペティションで使用される2段階パイプラインを提案する。元のベースライン法と類似したモデル: HoVerNet をセグメント化モデルとして採用し,分類結果を微調整する新しい分類モデルを開発する。このメソッドのコードは近々公開される予定だ。これはテストにおける円錐形のソリューションです。

関連論文リスト

NucleiMix: Realistic Data Augmentation for Nuclei Instance Segmentation [2.6954348706500766]
NucleiMixは、データセット内のレアタイプの核の数を増やすことで、核種の分布のバランスをとるように設計されている。第1段階では、希少型核の周囲に類似した候補位置を特定し、希少型核を候補部位に挿入する。第2フェーズでは、事前訓練された拡散モデルを用いて、レアタイプの核を新しい環境にシームレスに統合するプログレッシブな塗布戦略を採用している。
論文参考訳（メタデータ） (2024-10-22T04:03:36Z)
Diffusion-based Data Augmentation for Nuclei Image Segmentation [68.28350341833526]
核セグメンテーションのための拡散法を初めて導入する。このアイデアは、多数のラベル付き画像を合成し、セグメンテーションモデルを訓練することを目的としている。実験の結果,10%のラベル付き実データセットを合成サンプルで拡張することにより,同等のセグメンテーション結果が得られることがわかった。
論文参考訳（メタデータ） (2023-10-22T06:16:16Z)
Enhancing Nucleus Segmentation with HARU-Net: A Hybrid Attention Based Residual U-Blocks Network [9.718765096478371]
核分割の現在の手法は、核形態学や輪郭に基づくアプローチに依存している。本稿では,ハイブリッドアテンションに基づく残差Uブロックを用いたデュアルブランチネットワークを提案する。ネットワーク内において,ネットワークからコンテキスト情報を効果的に抽出し,マージするコンテキスト融合ブロック(CF-block)を提案する。
論文参考訳（メタデータ） (2023-08-07T08:03:20Z)
Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文参考訳（メタデータ） (2023-01-24T17:54:01Z)
Which Pixel to Annotate: a Label-Efficient Nuclei Segmentation Framework [70.18084425770091]
ディープニューラルネットワークは、H&E染色病理像の核インスタンスセグメンテーションに広く応用されている。通常、類似したパターンと冗長なパターンを含む核画像のデータセットに全てのピクセルをラベル付けするのは非効率で不要である。そこで本研究では,アノテートするイメージパッチを数個だけ選択し,選択したサンプルからトレーニングセットを増強し,半教師付きで核分割を実現する,新しいフル核分割フレームワークを提案する。
論文参考訳（メタデータ） (2022-12-20T14:53:26Z)
InsMix: Towards Realistic Generative Data Augmentation for Nuclei Instance Segmentation [29.78647170035808]
本稿では,コピック・ペースト・スムース原理に従って,核セグメンテーションのための現実的なデータ拡張手法InsMixを提案する。具体的には、拡張画像が原子核に関する豪華な情報を取得することができる形態的制約を提案する。背景の画素冗長性をフル活用するために,背景パッチをランダムにシャッフルする背景摂動法を提案する。
論文参考訳（メタデータ） (2022-06-30T08:58:05Z)
PointNu-Net: Keypoint-assisted Convolutional Neural Network for Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification [23.466331358975044]
ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
論文参考訳（メタデータ） (2021-11-01T08:29:40Z)
Bend-Net: Bending Loss Regularized Multitask Learning Network for Nuclei Segmentation in Histopathology Images [65.47507533905188]
重なり合う核を正確に分離するために、曲げ損失正規化器を備えた新しいマルチタスク学習ネットワークを提案する。新たに提案されたマルチタスク学習アーキテクチャは、3つのタスクから共有表現を学習することで一般化を促進する。提案した曲げ損失は,輪郭点を大きな曲率で囲むために高いペナルティを定義し,小さな曲率で凸輪郭点に小さなペナルティを適用した。
論文参考訳（メタデータ） (2021-09-30T17:29:44Z)
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)
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)

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。