論文の概要: Deep Neural Network Pruning for Nuclei Instance Segmentation in Hematoxylin & Eosin-Stained Histological Images

• arxiv url: http://arxiv.org/abs/2206.07422v1
• Date: Wed, 15 Jun 2022 09:52:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-16 15:20:28.456420
• Title: Deep Neural Network Pruning for Nuclei Instance Segmentation in Hematoxylin & Eosin-Stained Histological Images
• Title（参考訳）: Hematoxylin and Eosin-Stained Histological Images における核小胞分割のためのディープニューラルネットワークの抽出
• Authors: Amirreza Mahbod, Rahim Entezari, Isabella Ellinger, Olga Saukh
• Abstract要約: プルーニングディープニューラルネットワーク(DNN)は、精度と一般化能力を改善するために多くの注目を集めている。 本研究では, 階層的, ネットワーク規模のプルーニング技術が組織像の核インスタンス分割性能に及ぼす影響について検討する。
• 参考スコア（独自算出の注目度）: 2.137877631340496
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recently, pruning deep neural networks (DNNs) has received a lot of attention for improving accuracy and generalization power, reducing network size, and increasing inference speed on specialized hardwares. Although pruning was mainly tested on computer vision tasks, its application in the context of medical image analysis has hardly been explored. This work investigates the impact of well-known pruning techniques, namely layer-wise and network-wide magnitude pruning, on the nuclei instance segmentation performance in histological images. Our utilized instance segmentation model consists of two main branches: (1) a semantic segmentation branch, and (2) a deep regression branch. We investigate the impact of weight pruning on the performance of both branches separately and on the final nuclei instance segmentation result. Evaluated on two publicly available datasets, our results show that layer-wise pruning delivers slightly better performance than networkwide pruning for small compression ratios (CRs) while for large CRs, network-wide pruning yields superior performance. For semantic segmentation, deep regression and final instance segmentation, 93.75 %, 95 %, and 80 % of the model weights can be pruned by layer-wise pruning with less than 2 % reduction in the performance of respective models.
• Abstract（参考訳）: 近年、pruning deep neural networks (dnns) は、精度と一般化能力の向上、ネットワークサイズの減少、専用ハードウェアでの推論速度の向上など、多くの注目を集めている。 プルーニングは主にコンピュータビジョンタスクでテストされたが、医療画像解析の文脈での応用はほとんど研究されていない。 本研究は,組織像の核インスタンスセグメンテーション性能に及ぼすよく知られたプルーニング技術,すなわち層別およびネットワーク規模プルーニングの影響について検討する。 利用インスタンスセグメンテーションモデルは,(1)意味的セグメンテーションブランチ,(2)深部回帰ブランチの2つの主要ブランチから構成される。 重みの刈り取りが両枝の性能と最終核インスタンスセグメンテーション結果に及ぼす影響について検討した。 2つの公開データセットで評価した結果,ネットワークワイドpruningは,ネットワークワイドpruningよりも小さな圧縮比 (crs) に対して,ネットワークワイドpruningは優れた性能をもたらすことがわかった。 セマンティクスセグメンテーションでは、深い回帰と最終インスタンスセグメンテーションでは、93.75 %、95 %、80 %のモデル重みを、各モデルの性能を2 % 未満で層状に刈り取ることで、刈り取ることができる。

関連論文リスト

• Early Fusion of Features for Semantic Segmentation [10.362589129094975]
  本稿では,効率的な画像分割を実現するために,分類器ネットワークとリバースHRNetアーキテクチャを統合する新しいセグメンテーションフレームワークを提案する。 私たちの手法は、Mapillary Vistas、Cityscapes、CamVid、COCO、PASCAL-VOC2012など、いくつかのベンチマークデータセットで厳格にテストされています。 その結果,画像解析における様々な応用の可能性を示し,高いセグメンテーション精度を実現する上で,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-02-08T22:58:06Z)
• A Trio-Method for Retinal Vessel Segmentation using Image Processing [0.0]
  本稿では,三重前処理法を用いて網膜血管の分画に焦点を当てた。 2つの提案されたU-Netアーキテクチャは、すべての標準的なパフォーマンス指標で比較された。 このリアルタイムデプロイメントは、セグメンテーションと検出を向上した画像の効率的な前処理を支援する。
  論文  参考訳（メタデータ） (2022-09-19T22:07:34Z)
• SECP-Net: SE-Connection Pyramid Network of Organ At Risk Segmentation for Nasopharyngeal Carcinoma [0.0]
  深層学習モデルは医用画像セグメンテーションタスクに広く応用されている。 従来のディープニューラルネットワークは、グローバルおよびマルチサイズ情報の使用が欠如しているため、セグメンテーション時に性能が低下する。 本稿ではセグメンテーション性能を向上させるための新しいSE-Connection Pyramid Network(SECP-Net)を提案する。
  論文  参考訳（メタデータ） (2021-12-28T07:48:18Z)
• Compact representations of convolutional neural networks via weight pruning and quantization [63.417651529192014]
  本稿では、音源符号化に基づく畳み込みニューラルネットワーク(CNN)の新しいストレージフォーマットを提案し、重み付けと量子化の両方を活用する。 我々は、全接続層で0.6%、ネットワーク全体で5.44%のスペース占有率を削減し、最低でもベースラインと同じくらいの競争力を発揮する。
  論文  参考訳（メタデータ） (2021-08-28T20:39:54Z)
• Neural Pruning via Growing Regularization [82.9322109208353]
  プルーニングの2つの中心的な問題:プルーニングのスケジュールと重み付けの重要度だ。 具体的には, ペナルティ要因が増大するL2正規化変種を提案し, 精度が著しく向上することを示した。 提案アルゴリズムは,構造化プルーニングと非構造化プルーニングの両方において,大規模データセットとネットワークの実装が容易かつスケーラブルである。
  論文  参考訳（メタデータ） (2020-12-16T20:16:28Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)
• KiU-Net: Towards Accurate Segmentation of Biomedical Images using Over-complete Representations [59.65174244047216]
  本稿では,高次元にデータを投影するオーバーコンプリートアーキテクチャ(Ki-Net)を提案する。 このネットワークは、U-Netで拡張されると、小さな解剖学的ランドマークを分割する場合に大幅に改善される。 早期新生児の2次元超音波による脳解剖学的セグメント化の課題について検討した。
  論文  参考訳（メタデータ） (2020-06-08T18:59:24Z)
• 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。