論文の概要: End-to-end cell recognition by point annotation

• arxiv url: http://arxiv.org/abs/2207.00176v1
• Date: Fri, 1 Jul 2022 02:44:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 12:48:03.633007
• Title: End-to-end cell recognition by point annotation
• Title（参考訳）: ポイントアノテーションによるエンドツーエンドの細胞認識
• Authors: Zhongyi Shui, Shichuan Zhang, Chenglu Zhu, Bingchuan Wang, Pingyi Chen, Sunyi Zheng, and Lin Yang
• Abstract要約: 本稿では,事前設定されたアンカーポイントに対して,直接回帰と分類を適用するエンドツーエンドフレームワークを提案する。 具体的には,低レベル特徴と高レベル意味論を同時に組み合わせたピラミッド型特徴集合戦略を提案する。 さらに,基本事実と予測点とを一致させて,マルチタスク学習フレームワークを適応させる最適化コスト関数を設計した。
• 参考スコア（独自算出の注目度）: 5.130998755172569
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable quantitative analysis of immunohistochemical staining images requires accurate and robust cell detection and classification. Recent weakly-supervised methods usually estimate probability density maps for cell recognition. However, in dense cell scenarios, their performance can be limited by pre- and post-processing as it is impossible to find a universal parameter setting. In this paper, we introduce an end-to-end framework that applies direct regression and classification for preset anchor points. Specifically, we propose a pyramidal feature aggregation strategy to combine low-level features and high-level semantics simultaneously, which provides accurate cell recognition for our purely point-based model. In addition, an optimized cost function is designed to adapt our multi-task learning framework by matching ground truth and predicted points. The experimental results demonstrate the superior accuracy and efficiency of the proposed method, which reveals the high potentiality in assisting pathologist assessments.
• Abstract（参考訳）: 免疫組織化学的染色画像の信頼性のある定量的解析には、正確で堅牢な細胞検出と分類が必要である。 最近の弱教師付き手法は通常、細胞認識のための確率密度マップを推定する。 しかし、密集したセルシナリオでは、普遍的なパラメータ設定を見つけることができないため、前処理や後処理によって性能が制限される。 本稿では,事前設定されたアンカーポイントに対して直接回帰と分類を適用するエンドツーエンドフレームワークを提案する。 具体的には,低レベルの特徴と高レベルのセマンティクスを同時に組み合わせたピラミッド型特徴集合戦略を提案する。 さらに,基本事実と予測点とを一致させて,マルチタスク学習フレームワークを適応させる最適化コスト関数を設計した。 実験の結果,提案手法の精度と効率が向上し,病理学的な評価を支援する可能性が示唆された。

関連論文リスト

• CoTCoNet: An Optimized Coupled Transformer-Convolutional Network with an Adaptive Graph Reconstruction for Leukemia Detection [0.3573481101204926]
  白血病の分類のためのCoTCoNet(Coupled Transformer Convolutional Network)フレームワークを提案する。 我々のフレームワークは、包括的グローバル特徴とスケーラブルな空間パターンを捉え、複雑で大規模な血液学的特徴の同定を可能にする。 それぞれ0.9894と0.9893のF1スコアレートを達成している。
  論文  参考訳（メタデータ） (2024-10-11T13:31:28Z)
• Scalable Bayesian Meta-Learning through Generalized Implicit Gradients [64.21628447579772]
  Inlicit Bayesian Meta-learning (iBaML) 法は、学習可能な事前のスコープを広げるだけでなく、関連する不確実性も定量化する。 解析誤差境界は、明示的よりも一般化された暗黙的勾配の精度と効率を示すために確立される。
  論文  参考訳（メタデータ） (2023-03-31T02:10:30Z)
• DPA-P2PNet: Deformable Proposal-aware P2PNet for Accurate Point-based Cell Detection [5.994317314012678]
  ポイントベース細胞検出(PCD)は、計算病理学のコミュニティで注目を集めている。 中間密度マップ表現に依存する主流のPCD法とは異なり、P2PNet(Point-to-Point Network)は近年PCDのエンドツーエンドソリューションとして登場している。 P2PNetは、ポイント提案のスケールに依存しない性質のため、単一レベルの特徴マップからのデコードに制限されている。 提案手法は,階層的特徴写像上の点提案の座標に従って,復号化のためのマルチスケール特徴を直接抽出する。
  論文  参考訳（メタデータ） (2023-03-05T08:02:42Z)
• MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
  本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。 機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。 本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
  論文  参考訳（メタデータ） (2022-10-24T15:14:26Z)
• An Interpretable Algorithm for Uveal Melanoma Subtyping from Whole Slide Cytology Images [3.33281597371121]
  細針吸引生検のデジタル画像を用いたぶどう膜黒色腫の自動診断システムについて述べる。 提案手法は,多数の代表スライドで定義される2次元多様体の点として,候補画像の自動区切りセルを埋め込む。 円歪した2次元多様体の分割に対して規則に基づくスライドレベル分類アルゴリズムを訓練する。
  論文  参考訳（メタデータ） (2021-08-13T13:55:08Z)
• Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark Detection in Medical Images [15.7026400415269]
  本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。 提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
  論文  参考訳（メタデータ） (2021-05-19T13:39:18Z)
• Scalable Marginal Likelihood Estimation for Model Selection in Deep Learning [78.83598532168256]
  階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。 本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-11T09:50:24Z)
• Probabilistic Spatial Analysis in Quantitative Microscopy with Uncertainty-Aware Cell Detection using Deep Bayesian Regression of Density Maps [8.534825157831387]
  3d顕微鏡は多様な生物系の研究の鍵である。 本稿では,大規模顕微鏡画像上で動作可能な深層学習型細胞検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T18:52:16Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• Open-set Short Utterance Forensic Speaker Verification using Teacher-Student Network with Explicit Inductive Bias [59.788358876316295]
  そこで本研究では,小規模の法定フィールドデータセット上での話者検証を改善するためのパイプラインソリューションを提案する。 大規模領域外データセットを活用することで,教師学習のための知識蒸留に基づく目的関数を提案する。 提案する目的関数は,短時間の発話における教師学生の学習性能を効果的に向上できることを示す。
  論文  参考訳（メタデータ） (2020-09-21T00:58:40Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)

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。