論文の概要: ChrSNet: Chromosome Straightening using Self-attention Guided Networks

• arxiv url: http://arxiv.org/abs/2207.00147v1
• Date: Fri, 1 Jul 2022 02:19:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 13:28:34.486939
• Title: ChrSNet: Chromosome Straightening using Self-attention Guided Networks
• Title（参考訳）: ChrSNet:自己注意誘導ネットワークを用いた染色体ストレート化
• Authors: Sunyi Zheng, Jingxiong Li, Zhongyi Shui, Chenglu Zhu, Yunlong Zhang, Pingyi Chen, Lin Yang
• Abstract要約: 染色体の曲率を消去する自己注意ガイドフレームワークを提案する。 提案手法は空間情報と局所テクスチャを抽出し,バンドリングパターンを保存する。 本稿では,染色体長の維持と染色体の歪みの回復に要する2つの厳密な幾何学的制約を提案する。
• 参考スコア（独自算出の注目度）: 7.335018936053776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Karyotyping is an important procedure to assess the possible existence of chromosomal abnormalities. However, because of the non-rigid nature, chromosomes are usually heavily curved in microscopic images and such deformed shapes hinder the chromosome analysis for cytogeneticists. In this paper, we present a self-attention guided framework to erase the curvature of chromosomes. The proposed framework extracts spatial information and local textures to preserve banding patterns in a regression module. With complementary information from the bent chromosome, a refinement module is designed to further improve fine details. In addition, we propose two dedicated geometric constraints to maintain the length and restore the distortion of chromosomes. To train our framework, we create a synthetic dataset where curved chromosomes are generated from the real-world straight chromosomes by grid-deformation. Quantitative and qualitative experiments are conducted on synthetic and real-world data. Experimental results show that our proposed method can effectively straighten bent chromosomes while keeping banding details and length.
• Abstract（参考訳）: カリオタイピングは染色体異常の可能性を評価するための重要な手順である。 しかし、非厳密な性質のため、染色体は通常顕微鏡画像で大きく湾曲しており、このような変形した形状は細胞遺伝学者の染色体解析を妨げる。 本稿では,染色体の曲がりくねりを消すための自己着脱誘導フレームワークを提案する。 提案手法は,空間情報と局所テクスチャを抽出し,回帰モジュールにバンドリングパターンを保存する。 曲がった染色体からの相補的な情報により、精細化モジュールは詳細をさらに改善するように設計されている。 さらに,染色体長の維持と歪みの回復のために,2つの幾何学的制約を提案する。 フレームワークをトレーニングするために、格子変形により実世界のストレート染色体から湾曲した染色体を生成する合成データセットを作成する。 合成データと実世界データを用いて定量的・定性的な実験を行う。 実験の結果,提案手法は包帯の細部と長さを保ちつつ,曲がった染色体を効果的に直線化できることがわかった。

関連論文リスト

• Graph Generation via Spectral Diffusion [51.60814773299899]
  本稿では,1)グラフラプラシア行列のスペクトル分解と2)拡散過程に基づく新しいグラフ生成モデルGRASPを提案する。 具体的には、固有ベクトルと固有値のサンプリングにデノナイジングモデルを用い、グラフラプラシアン行列と隣接行列を再構成する。 我々の置換不変モデルは各ノードの固有ベクトルに連結することでノードの特徴を扱える。
  論文  参考訳（メタデータ） (2024-02-29T09:26:46Z)
• ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
  ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。 これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。 テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
  論文  参考訳（メタデータ） (2023-12-11T07:09:32Z)
• Curve Your Attention: Mixed-Curvature Transformers for Graph Representation Learning [77.1421343649344]
  本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。 また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
  論文  参考訳（メタデータ） (2023-09-08T02:44:37Z)
• Masked conditional variational autoencoders for chromosome straightening [14.665481276886194]
  核タイピングはヒト疾患における染色体異常の検出に重要である。 染色体は顕微鏡画像に容易に湾曲し、細胞遺伝学者が染色体の型を分析するのを防ぐ。 本稿では,前処理アルゴリズムと生成モデルを組み合わせた染色体ストレート化の枠組みを提案する。
  論文  参考訳（メタデータ） (2023-06-25T05:11:41Z)
• AutoKary2022: A Large-Scale Densely Annotated Dataset for Chromosome Instance Segmentation [8.029213659494856]
  AutoKary2022は50人の患者の612の顕微鏡画像に27,000以上の染色体が含まれている。 各インスタンスにはポリゴンマスクとクラスラベルがアノテートされ、正確な染色体の検出とセグメンテーションを支援する。
  論文  参考訳（メタデータ） (2023-03-28T09:15:55Z)
• Graph Generation with Diffusion Mixture [57.78958552860948]
  グラフの生成は、非ユークリッド構造の複雑な性質を理解する必要がある実世界のタスクにとって大きな課題である。 本稿では,拡散過程の最終グラフ構造を明示的に学習することにより,グラフのトポロジーをモデル化する生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-07T17:07:46Z)
• The Manifold Hypothesis for Gradient-Based Explanations [55.01671263121624]
  勾配に基づく説明アルゴリズムは知覚的に整合した説明を提供する。 特徴属性がデータの接する空間と一致しているほど、知覚的に一致している傾向にあることを示す。 説明アルゴリズムは、その説明をデータ多様体と整合させるよう積極的に努力すべきである。
  論文  参考訳（メタデータ） (2022-06-15T08:49:24Z)
• A Robust Framework of Chromosome Straightening with ViT-Patch GAN [5.657051014432275]
  染色体ストレートニングは, その後の核型構築, 病理診断, 細胞遺伝地図形成にとって重要なステップである。 本稿では、自己学習型モーショントランスフォーメーションジェネレータとViT-Patchベースのパッチ(ViT-Patch)識別器からなる新しいアーキテクチャ、ViT-Patch GANを提案する。 提案手法は,Fr'eche't Inception Distance (FID), Learned Perceptual Image Patch similarity (LPIPS) および下流染色体分類精度の向上を実現し,大規模なデータセットに対して優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2022-03-06T07:58:36Z)
• Deep Anomaly Generation: An Image Translation Approach of Synthesizing Abnormal Banded Chromosome Images [0.0]
  我々は,現実的な単一染色体画像の生成を可能にする条件付き対位ネットワークを実装した。 自己生成2次元染色体セグメンテーションラベルマップに基づく画像から画像への変換手法を用いる。 本手法は構造異常を伴う染色体データセットのデータ増大に活用できると考えている。
  論文  参考訳（メタデータ） (2021-09-20T17:16:23Z)
• A Novel Application of Image-to-Image Translation: Chromosome Straightening Framework by Learning from a Single Image [3.7769813168959527]
  染色体直線化は、染色体の病理研究や細胞遺伝地図の発達において重要な役割を担っている。 本研究では、画像から画像への変換に基づく新しいフレームワークを提案し、直交染色体の合成のための関連するマッピング依存性を学習する。
  論文  参考訳（メタデータ） (2021-03-04T05:05:41Z)
• Constrained Multi-shape Evolution for Overlapping Cytoplasm Segmentation [49.992392231966015]
  本稿では,制約型多形進化という,新しい,効果的形状の先進的アプローチを提案する。 クランプ内のすべての重なり合う細胞質を同時に分割し、モデル化された形状によって誘導される各細胞質の形状を共同で進化させる。 形状進化においては, 局所形状前兆だけでなく, 大域形状前兆も導入することにより, セグメンテーションの強度不足を補う。
  論文  参考訳（メタデータ） (2020-04-08T09:08:07Z)

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。