Fugu-MT 論文翻訳(概要): Stain Isolation-based Guidance for Improved Stain Translation

論文の概要: Stain Isolation-based Guidance for Improved Stain Translation

arxiv url: http://arxiv.org/abs/2207.00431v1
Date: Tue, 28 Jun 2022 13:33:48 GMT
ステータス: 処理完了
システム内更新日: 2022-07-10 11:20:48.503774
Title: Stain Isolation-based Guidance for Improved Stain Translation
Title（参考訳）: ステイン翻訳改善のためのステイン分離に基づくガイダンス
Authors: Nicolas Brieu, Felix J. Segerer, Ansh Kapil, Philipp Wortmann, Guenter Schmidt
Abstract要約: CycleGANは病理組織像の染色翻訳の最先端技術である。サイクル一貫性があるが、構造保存の誤りに悩まされることが多い。本稿では, セグメンテーションの整合性に依存し, 病理構造の保存を可能にする手法を提案する。
参考スコア（独自算出の注目度）: 0.5249805590164902
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Unsupervised and unpaired domain translation using generative adversarial neural networks, and more precisely CycleGAN, is state of the art for the stain translation of histopathology images. It often, however, suffers from the presence of cycle-consistent but non structure-preserving errors. We propose an alternative approach to the set of methods which, relying on segmentation consistency, enable the preservation of pathology structures. Focusing on immunohistochemistry (IHC) and multiplexed immunofluorescence (mIF), we introduce a simple yet effective guidance scheme as a loss function that leverages the consistency of stain translation with stain isolation. Qualitative and quantitative experiments show the ability of the proposed approach to improve translation between the two domains.
Abstract（参考訳）: 生成的対向神経ネットワーク、より正確にはCycleGANを用いた教師なしドメイン翻訳は、病理組織像の染色翻訳の最先端技術である。しかし、しばしばサイクル一貫性があるが、非構造保存エラーに苦しむ。セグメンテーションの一貫性に依拠して病理構造の保存を可能にする方法の組に対する別のアプローチを提案する。免疫組織化学(ihc)とmif(multiplexed immunofluorescence)に着目し,染色翻訳と染色分離の一貫性を活かした損失機能として,簡便かつ効果的な指導法を提案する。定性的かつ定量的な実験は、2つの領域間の翻訳を改善するための提案手法の能力を示している。

関連論文リスト

Cascaded Multi-path Shortcut Diffusion Model for Medical Image Translation [26.67518950976257]
高品質な医用画像翻訳と不確実性推定のためのカスケードマルチパスショートカット拡散モデル(CMDM)を提案する。実験の結果,CMDMは最先端の手法に匹敵する高品質な翻訳を実現できることがわかった。
論文参考訳（メタデータ） (2024-04-06T03:02:47Z)
Auxiliary CycleGAN-guidance for Task-Aware Domain Translation from Duplex to Monoplex IHC Images [0.26388783516590225]
サイクル生成共役ネットワーク(GAN)は確立されているが、関連するサイクル一貫性の制約は、2つの領域の間に可逆写像が存在することに依存する。我々は,新しいトレーニングデザインの導入を通じて,免疫蛍光(IF)画像の集合を補助的未ペア画像領域として活用する代替的制約を提案する。
論文参考訳（メタデータ） (2024-03-12T07:57:33Z)
A Strictly Bounded Deep Network for Unpaired Cyclic Translation of Medical Images [0.5120567378386615]
我々は、障害のない医療画像を検討し、安定な双方向翻訳をもたらす厳密な境界付きネットワークを提供する。本稿では,適応辞書学習を組み込んだpCCGANを提案する。
論文参考訳（メタデータ） (2023-11-04T18:43:31Z)
TransFool: An Adversarial Attack against Neural Machine Translation Models [49.50163349643615]
敵攻撃に対するニューラルネットワーク翻訳(NMT)モデルの脆弱性を調査し,TransFoolと呼ばれる新たな攻撃アルゴリズムを提案する。クリーンなサンプルと高いレベルのセマンティックな類似性を保ったソースコード言語で、流動的な逆の例を生成する。自動的および人的評価に基づいて、TransFoolは、既存の攻撃と比較して成功率、意味的類似性、流布率の改善につながる。
論文参考訳（メタデータ） (2023-02-02T08:35:34Z)
Stain based contrastive co-training for histopathological image analysis [61.87751502143719]
本稿では,ヒストリボリューション画像の分類のための,新しい半教師付き学習手法を提案する。我々は、半教師付き学習フレームワークを作成するために、パッチレベルのアノテーションと、新しいコトレーニング損失を併用した強力な監視を採用する。透明細胞腎細胞および前立腺癌に対するアプローチを評価し,最先端の半教師あり学習法の改善を実証した。
論文参考訳（メタデータ） (2022-06-24T22:25:31Z)
Understanding and Mitigating the Uncertainty in Zero-Shot Translation [66.49354195238789]
ゼロショット翻訳の不確実性の観点から、オフターゲット問題を理解し、緩和することを目的としている。翻訳出力とモデル信頼度を慎重に調べることで、ターゲット外問題の原因となる2つの不確実性を特定する。そこで本研究では,モデルトレーニングのためのトレーニングデータを認知するための2つの軽量かつ補完的なアプローチを提案し,推論におけるオフターゲット言語の語彙を隠蔽する。
論文参考訳（メタデータ） (2022-05-20T10:29:46Z)
Improving Unsupervised Stain-To-Stain Translation using Self-Supervision and Meta-Learning [4.32671477389424]
画像から画像への翻訳に基づく教師なし領域適応は、デジタル病理学において重要になっている。非教師付きステンツーステイン翻訳による異なる組織染色の変動に対処する。腎病理組織学におけるステンレス翻訳にCycleGANを用いた。
論文参考訳（メタデータ） (2021-12-16T12:42:40Z)
Modelling Latent Translations for Cross-Lingual Transfer [47.61502999819699]
従来のパイプラインの2つのステップ(翻訳と分類)を1つのモデルに統合する新しい手法を提案する。我々は,多言語NLUタスクにおける新しい潜時翻訳モデルの評価を行った。ゼロショットと数ショットの学習設定の両方で、平均2.7の精度ポイントのゲインを報告します。
論文参考訳（メタデータ） (2021-07-23T17:11:27Z)
Self adversarial attack as an augmentation method for immunohistochemical stainings [0.7340845393655052]
病理組織学データに適用すると,この隠れた雑音は染色特異な特徴と関連していると考えられる。この隠れた情報を摂動することで、翻訳モデルは異なる、もっともらしい出力を生成する。
論文参考訳（メタデータ） (2021-03-21T10:48:40Z)
Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
論文参考訳（メタデータ） (2020-12-08T02:26:03Z)
Discrete Variational Attention Models for Language Generation [51.88612022940496]
本稿では,言語における離散性に起因する注意機構のカテゴリー分布を考慮した離散的変動注意モデルを提案する。離散性の特質により,提案手法の訓練は後部崩壊に支障を来さない。
論文参考訳（メタデータ） (2020-04-21T05:49:04Z)

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。