Fugu-MT 論文翻訳(概要): Trichomonas Vaginalis Segmentation in Microscope Images

論文の概要: Trichomonas Vaginalis Segmentation in Microscope Images

arxiv url: http://arxiv.org/abs/2207.00973v1
Date: Sun, 3 Jul 2022 07:29:05 GMT
ステータス: 処理完了
システム内更新日: 2022-07-05 14:35:42.859794
Title: Trichomonas Vaginalis Segmentation in Microscope Images
Title（参考訳）: 顕微鏡画像における Trichomonas Vaginalis Segmentation
Authors: Lin Li, Jingyi Liu, Shuo Wang, Xunkun Wang, Tian-Zhu Xiang
Abstract要約: 顕微鏡画像からのTrichomonas vaginalisの自動検出は、Trichomoniasisの診断に重要な情報を提供することができる。これらの課題に対処するため、我々はTrichomonas Vaginalisの大規模な顕微鏡画像データセット(TVMI3K)を精査した。本稿では,Trichomonaを顕微鏡画像から自動的に分離する,シンプルで効果的なベースラインであるTVNetを提案する。
参考スコア（独自算出の注目度）: 8.432233734742143
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Trichomoniasis is a common infectious disease with high incidence caused by the parasite Trichomonas vaginalis, increasing the risk of getting HIV in humans if left untreated. Automated detection of Trichomonas vaginalis from microscopic images can provide vital information for the diagnosis of trichomoniasis. However, accurate Trichomonas vaginalis segmentation (TVS) is a challenging task due to the high appearance similarity between the Trichomonas and other cells (e.g., leukocyte), the large appearance variation caused by their motility, and, most importantly, the lack of large-scale annotated data for deep model training. To address these challenges, we elaborately collected the first large-scale Microscopic Image dataset of Trichomonas Vaginalis, named TVMI3K, which consists of 3,158 images covering Trichomonas of various appearances in diverse backgrounds, with high-quality annotations including object-level mask labels, object boundaries, and challenging attributes. Besides, we propose a simple yet effective baseline, termed TVNet, to automatically segment Trichomonas from microscopic images, including high-resolution fusion and foreground-background attention modules. Extensive experiments demonstrate that our model achieves superior segmentation performance and outperforms various cutting-edge object detection models both quantitatively and qualitatively, making it a promising framework to promote future research in TVS tasks. The dataset and results will be publicly available at: https://github.com/CellRecog/cellRecog.
Abstract（参考訳）: トリコモニア症(英: Trichomoniasis)は、寄生虫Trichomonas vaginalisによって引き起こされる高頻度の感染症であり、未治療でヒトにHIVを発症するリスクを増大させる。顕微鏡画像からのtrichomonas vaginalisの自動検出は、trichomoniasisの診断に不可欠な情報を提供する。しかし、正確なTrichomonas vaginalis segmentation(TVS)は、Trichomonasと他の細胞(例えば白血球)の外観の類似性の高さ、その運動性に起因する大きな外観の変化、そして最も重要なことに、深層モデルトレーニングのための大規模な注釈データがないため、難しい課題である。これらの課題に対処するため,我々は,tvmi3kと呼ばれるtrichomonas vaginalisの最初の大規模顕微鏡画像データセットを精巧に収集した。さらに,高分解能核融合や前景アテンションモジュールを含む顕微鏡画像から自動的にトリコモナを分離する,TVNetと呼ばれるシンプルなベースラインを提案する。広範な実験により,本モデルはセグメンテーション性能に優れ,定量的および定性的に様々な最先端物体検出モデルを上回ることを証明し,今後のtvs課題研究の推進に有望な枠組みとなる。データセットと結果は、https://github.com/CellRecog/cellRecog.comで公開される。

関連論文リスト

Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文参考訳（メタデータ） (2024-07-08T09:08:42Z)
DinoBloom: A Foundation Model for Generalizable Cell Embeddings in Hematology [1.3551232282678036]
血液学における単細胞画像の最初の基盤モデルであるDinoBloomを紹介した。本モデルは末梢血と骨髄のスミアの13種類の多種多様な公開データセットの広範囲な収集に基づいて構築されている。 4つのDinoBloomモデルのファミリーは、幅広い下流アプリケーションに適応することができる。
論文参考訳（メタデータ） (2024-04-07T17:25:52Z)
Improving mitosis detection on histopathology images using large vision-language models [0.6144680854063939]
特定の種類の癌組織では、有糸分裂数は腫瘍の増殖、予後不良、治療抵抗と関係があることが示されている。病理学者によるミオトーシス計数の高度変動により、ヘマトキシリンとエオシン(H&E)による全スライド画像のミオトーシス検出の主観性を低減するために畳み込みニューラルネットワーク(CNN)が用いられている。本研究では,視覚的特徴と自然言語の両方を活用する大規模視覚言語モデルにより,ミトーシス検出精度が向上することが実証された。
論文参考訳（メタデータ） (2023-10-11T04:00:17Z)
Masked Autoencoders are Scalable Learners of Cellular Morphology [0.3057210732296065]
本研究は,大規模な顕微鏡データセット上で大規模モデルをトレーニングする際の,自己教師型ディープラーニングアプローチのスケールアップ方法について検討する。以上の結果から,CNNとViTをベースとしたマスク付きオートエンコーダはともに,教師付きベースラインよりも有意に優れていた。
論文参考訳（メタデータ） (2023-09-27T23:11:35Z)
PlasmoID: A dataset for Indonesian malaria parasite detection and segmentation in thin blood smear [0.0]
インドネシアは東南アジアで最多のマラリア患者数で2番目に高い国である。ディープラーニングアプローチに基づくマラリア寄生虫セマンティックセグメンテーションの異なる手法は、従来の方法の限界を減らす代替手段である。本研究では,より高速なRCNNと意味的セグメンテーション技術を組み合わせたマラリア寄生虫のセグメンテーションと検出手法を提案する。
論文参考訳（メタデータ） (2022-11-28T07:47:09Z)
AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation [50.21065317817769]
本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
論文参考訳（メタデータ） (2022-03-18T13:43:53Z)
Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文参考訳（メタデータ） (2021-11-24T01:14:33Z)
Where is the disease? Semi-supervised pseudo-normality synthesis from an abnormal image [24.547317269668312]
現実的な擬似正規画像を生成するための半教師付き医用画像生成学習ネットワーク(SMILE)を提案する。我々のモデルは、データ拡張タスクにおいて最大6%、高品質な画像の生成において最大3%、最先端のモデルよりも優れています。
論文参考訳（メタデータ） (2021-06-24T05:56:41Z)
FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法であるこれにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
論文参考訳（メタデータ） (2021-06-10T17:14:27Z)
Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文参考訳（メタデータ） (2021-01-14T03:45:01Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。