Fugu-MT 論文翻訳(概要): Revisiting Whole-Slide Image Pyramids for Cancer Prognosis via Dual-Stream Networks

論文の概要: Revisiting Whole-Slide Image Pyramids for Cancer Prognosis via Dual-Stream Networks

arxiv url: http://arxiv.org/abs/2206.05782v1
Date: Sun, 12 Jun 2022 16:29:56 GMT
ステータス: 処理完了
システム内更新日: 2022-06-14 14:58:16.926625
Title: Revisiting Whole-Slide Image Pyramids for Cancer Prognosis via Dual-Stream Networks
Title（参考訳）: デュアルストリームネットワークによるがん予後診断のための全スライディング画像ピラミッドの再検討
Authors: Pei Liu, Bo Fu, Feng Ye, Rui Yang, Bin Xu, and Luping Ji
Abstract要約: 本稿では,WSI(Whole-Slide Images)をモデル化し,がん予後の精度を向上させるための二重ストリームアーキテクチャを提案する。患者1,911人のうち3,101人のWSIを公開データセットで検証した。
参考スコア（独自算出の注目度）: 16.726645267120965
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The cancer prognosis on gigapixel Whole-Slide Images (WSIs) has always been a challenging task. Most existing approaches focus solely on single-resolution images. The multi-resolution schemes, utilizing image pyramids to enhance WSI visual representations, have not yet been paid enough attention to. In order to explore a multi-resolution solution for improving cancer prognosis accuracy, this paper proposes a dual-stream architecture to model WSIs by an image pyramid strategy. This architecture consists of two sub-streams: one is for low-resolution WSIs, and the other is especially for high-resolution ones. Compared to other approaches, our scheme has three highlights: (i) there exists a one-to-one relation between stream and resolution; (ii) a square pooling layer is added to align the patches from two resolution streams, largely reducing computation cost and enabling a natural stream feature fusion; (iii) a cross-attention-based method is proposed to pool high-resolution patches spatially under the guidance of low-resolution ones. We validate our scheme on three publicly-available datasets, a total number of 3,101 WSIs from 1,911 patients. Experimental results verify that (1) hierarchical dual-stream representation is more effective than single-stream ones for cancer prognosis, gaining an average C-Index rise of 5.0% and 1.8% on a single low-resolution and high-resolution stream, respectively; (2) our dual-stream scheme could outperform current state-of-the-art ones, by a 5.1% average improvement of C-Index; (3) the cancer diseases with observable survival differences could have different preferences for model complexity. Our scheme could serve as an alternative tool for further facilitating WSI prognosis research.
Abstract（参考訳）: ギガピクセル全スライド画像(WSI)のガン予後は、常に困難な課題である。既存のアプローチのほとんどは、シングルレゾリューションイメージのみに焦点を当てている。画像ピラミッドを利用してWSIの視覚表現を強化するマルチ解像度方式は、まだ十分に注目されていない。本稿では,がんの予後を精度良くするためのマルチレゾリューションソリューションを検討するために,画像ピラミッド戦略を用いてwsisをモデル化するデュアルストリームアーキテクチャを提案する。このアーキテクチャは2つのサブストリームで構成されており、1つは低解像度のwsis用、もう1つは特に高解像度のwsis用である。他のアプローチと比較して、我々のスキームには3つのハイライトがある。 (i) ストリームと解像度の間には一対一の関係がある。 (ii)2つの解像度ストリームからのパッチを整列するために正方形プーリング層を追加し、計算コストを大幅に削減し、自然なストリーム特徴融合を可能にする。 (iii) 低分解能パッチの誘導下で空間的に高分解能パッチをプールするクロスアテンションベース手法を提案する。患者1,911人のうち3,101人のWSIを公開データセットで検証した。その結果,(1)階層的二重ストリーム表現は,癌予後において単一ストリームよりも有効であり,1つの低分解能・高分解能ストリームにおいて平均5.0%,1.8%のc-index上昇が得られること,(2)このデュアルストリームスキームは,c-indexの平均5.1%の改善によって,現在の最先端ストリームを上回ることができること,(3)可観測生存率の差があるがん疾患は,モデルの複雑さに対して異なる好みを持つ可能性があること,などが検証された。提案手法は,wsiの予後研究をさらに促進するための代替ツールとして有用であると考えられる。

関連論文リスト

S3TU-Net: Structured Convolution and Superpixel Transformer for Lung Nodule Segmentation [5.2752693301728355]
マルチ次元空間コネクタとスーパーピクセルベースの視覚変換器を統合したセグメンテーションモデルS3TU-Netを提案する。 S3TU-NetはマルチビューCNN-Transformerハイブリッドアーキテクチャ上に構築されており、スーパーピクセルアルゴリズム、構造化重み付け、空間シフト技術が組み込まれている。 LIDC-IDRIデータセットの実験結果は、S3TU-Netがそれぞれ89.04%、90.73%、90.70%のDSC、精度、IoUを達成したことを示している。
論文参考訳（メタデータ） (2024-11-19T15:00:18Z)
A Closer Look at Spatial-Slice Features Learning for COVID-19 Detection [8.215897530386343]
我々は,CTスキャンに特化して設計されたSpatial-Slice Feature Learning (SSFL++) フレームワークを提案する。本研究の目的は,全CTスキャンでOODデータをフィルタリングし,70%の冗長性を完全に低減し,解析のための重要な空間スライスを選択することである。実験では、トレーニングデータの1%しか持たない単純なE2D(EfficientNet-2D)モデルを用いて、我々のモデルの有望な性能を実証した。
論文参考訳（メタデータ） (2024-04-02T05:19:27Z)
Simple 2D Convolutional Neural Network-based Approach for COVID-19 Detection [8.215897530386343]
本研究では,肺CT画像解析におけるディープラーニング技術の利用について検討した。我々は,CTスキャンに適した高度な空間スライス特徴学習(SSFL++)フレームワークを提案する。本研究の目的は,CTスキャン全体のアウト・オブ・ディストリビューション(OOD)データをフィルタリングし,データ冗長性を70%削減して解析に不可欠な空間スライス特徴を選択することである。
論文参考訳（メタデータ） (2024-03-17T14:34:51Z)
ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
論文参考訳（メタデータ） (2023-10-11T07:30:37Z)
DSNet: a simple yet efficient network with dual-stream attention for lesion segmentation [0.0]
本稿では, 簡易かつ効率的なネットワークDSNetを提案する。本手法は,モデル複雑性とメモリ消費の低い平均Dice係数(mDice)と平均MIoU(mIoU)のSOTA性能を実現する。
論文参考訳（メタデータ） (2022-11-30T12:48:17Z)
Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文参考訳（メタデータ） (2022-03-09T16:17:47Z)
HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
論文参考訳（メタデータ） (2022-03-04T06:37:45Z)
Hyperspectral Pansharpening Based on Improved Deep Image Prior and Residual Reconstruction [64.10636296274168]
高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能化近年,深層畳み込みネットワーク(ConvNets)を用いたHSパンシャープ法が注目に値する結果を得た。深層層の増加を抑えることで高レベルの特徴を学習することに焦点を当てた,新しいオーバーコンプリートネットワークHyperKiteを提案する。
論文参考訳（メタデータ） (2021-07-06T14:11:03Z)
Fully Quantized Image Super-Resolution Networks [81.75002888152159]
効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
論文参考訳（メタデータ） (2020-11-29T03:53:49Z)
Coupled Convolutional Neural Network with Adaptive Response Function Learning for Unsupervised Hyperspectral Super-Resolution [28.798775822331045]
ハイパースペクトル超解像(Hyperspectral super- resolution)とは、高空間分解能と高スペクトル分解能の両方を持つ画像を生成するためにHSIとMSIを融合させることを指す。本研究では,従来のPSFやSRF情報を使わずにHSI-MSI融合の問題を解く,教師なし深層学習に基づく融合法HyCoNetを提案する。
論文参考訳（メタデータ） (2020-07-28T06:17:02Z)
Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。