論文の概要: HUNIS: High-Performance Unsupervised Nuclei Instance Segmentation

• arxiv url: http://arxiv.org/abs/2203.14887v1
• Date: Mon, 28 Mar 2022 16:44:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 18:09:09.680366
• Title: HUNIS: High-Performance Unsupervised Nuclei Instance Segmentation
• Title（参考訳）: HUNIS:高性能無監督核インスタンスセグメンテーション
• Authors: Vasileios Magoulianitis, Yijing Yang and C.-C. Jay Kuo
• Abstract要約: 本研究では,高性能な非教師付き核インスタンス分割法(HUNIS)を提案する。 第1段階は、1)画素強度の適応しきい値、2)核の大きさ/形状の事前の取り込み、3)偽陽性の核インスタンスの除去である。 第2段は第1段で得られたセグメンテーションマスクを利用し、色と形状の分布を利用してより正確なセグメンテーションを行う。
• 参考スコア（独自算出の注目度）: 32.576088304113114
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A high-performance unsupervised nuclei instance segmentation (HUNIS) method is proposed in this work. HUNIS consists of two-stage block-wise operations. The first stage includes: 1) adaptive thresholding of pixel intensities, 2) incorporation of nuclei size/shape priors and 3) removal of false positive nuclei instances. Then, HUNIS conducts the second stage segmentation by receiving guidance from the first one. The second stage exploits the segmentation masks obtained in the first stage and leverages color and shape distributions for a more accurate segmentation. The main purpose of the two-stage design is to provide pixel-wise pseudo-labels from the first to the second stage. This self-supervision mechanism is novel and effective. Experimental results on the MoNuSeg dataset show that HUNIS outperforms all other unsupervised methods by a substantial margin. It also has a competitive standing among state-of-the-art supervised methods.
• Abstract（参考訳）: 本研究では,高性能非教師付き核インスタンス分割法(HUNIS)を提案する。 hunisは2段階のブロックワイズ操作からなる。 第1段は以下の通り。 1)画素強度の適応しきい値化 2 核の大きさ・形状の事前の組み入れ及び 3)偽陽性核インスタンスの除去。 そして、HUNISは、第1のステージからガイダンスを受け取って第2のステージセグメンテーションを行う。 第2段は第1段で得られたセグメンテーションマスクを利用し、色と形状の分布を利用してより正確なセグメンテーションを行う。 2段設計の主な目的は、第1段から第2段までのピクセル単位の擬似ラベルを提供することである。 この自己超越メカニズムは新しくて効果的です。 MoNuSegデータセットの実験結果によると、HUNISは他の教師なしの手法よりもかなり優れていた。 また、最先端の監視手法の間でも競争的な立場にある。

関連論文リスト

• DiffVein: A Unified Diffusion Network for Finger Vein Segmentation and Authentication [50.017055360261665]
  DiffVeinは、静脈分割と認証タスクを同時に処理する統合拡散モデルベースのフレームワークである。 これら2つのブランチ間の機能相互作用を改善するために,2つの特別なモジュールを導入する。 このようにして、我々のフレームワークは拡散とセグメンテーションの埋め込みの間の動的相互作用を可能にする。
  論文  参考訳（メタデータ） (2024-02-03T06:49:42Z)
• SegRefiner: Towards Model-Agnostic Segmentation Refinement with Discrete Diffusion Process [102.18226145874007]
  そこで我々は,異なるセグメンテーションモデルによって生成されるオブジェクトマスクの品質を高めるために,SegRefinerと呼ばれるモデルに依存しないソリューションを提案する。 SegRefinerは粗いマスクを入力として取り、離散拡散プロセスを用いてそれらを洗練する。 さまざまな種類の粗いマスクにわたるセグメンテーションメトリックとバウンダリメトリックの両方を一貫して改善する。
  論文  参考訳（メタデータ） (2023-12-19T18:53:47Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• 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)
• PA-Seg: Learning from Point Annotations for 3D Medical Image Segmentation using Contextual Regularization and Cross Knowledge Distillation [14.412073730567137]
  本稿では,3次元医用画像の7点のみのセグメンテーションターゲットに注釈を付け,弱教師付き学習フレームワークPA-Segを設計する。 第1段階では、より監督的な信号を提供するために、シードポイントを拡張するために測地距離変換を用いる。 第2段階では、第1段階で事前学習されたモデルから得られた予測を擬似ラベルとして使用する。
  論文  参考訳（メタデータ） (2022-08-11T07:00:33Z)
• AFDetV2: Rethinking the Necessity of the Second Stage for Object Detection from Point Clouds [15.72821609622122]
  我々は点雲からの3次元検出のための1段アンカーフリーネットワークを開発した。 我々は、バックボーンの自己校正畳み込みブロック、キーポイント補助監視、マルチタスクヘッドのIoU予測分岐を使用する。 私たちは2021年のリアルタイム3Dチャレンジで1位を獲得しました。
  論文  参考訳（メタデータ） (2021-12-16T21:22:17Z)
• Weakly Supervised Semantic Segmentation by Pixel-to-Prototype Contrast [43.40192909920495]
  クロスビュー特徴のセマンティック一貫性とイントラ(インター)クラスのコンパクト性(分散)について検討した。 本稿では,2つの新しい画素対プロトタイプのコントラスト正規化用語を提案する。 我々の手法は、ベースネットワークを変更することなく、既存のWSSSモデルにシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2021-10-14T01:44:57Z)
• AD-GAN: End-to-end Unsupervised Nuclei Segmentation with Aligned Disentangling Training [20.275262042996214]
  本稿では,AD-GAN(Aligned Disentangling Generative Adversarial Network)と呼ばれる教師なしフレームワークを提案する。 AD-GANは、コンテンツ表現(下降空間構造)とスタイル表現(構造の描画)を分離するために、表現のゆがみを導入する また,マイクロレベルの損失変換を抑えるために,遅延空間におけるコンテンツとの絡み合いを調整できる新しいトレーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-23T04:08:44Z)
• 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)
• Boundary-assisted Region Proposal Networks for Nucleus Segmentation [89.69059532088129]
  大量の核が混在しているため、機械学習モデルはうまく機能しない。 我々は、堅牢なインスタンスレベルの核分割を実現する境界支援領域提案ネットワーク(BRP-Net)を考案する。
  論文  参考訳（メタデータ） (2020-06-04T08:26:38Z)

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。