論文の概要: Fast Data Driven Estimation of Cluster Number in Multiplex Images using Embedded Density Outliers

• arxiv url: http://arxiv.org/abs/2207.10469v1
• Date: Thu, 21 Jul 2022 13:33:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-22 12:38:14.677161
• Title: Fast Data Driven Estimation of Cluster Number in Multiplex Images using Embedded Density Outliers
• Title（参考訳）: 埋め込み密度異常値を用いた多重画像の高速データ駆動クラスタ数推定
• Authors: Spencer A. Thomas
• Abstract要約: 化学画像技術の使用は、病理学における従来の手法と相容れないものになりつつある。 画像マスなどの技術は、デジタル病理学技術と連動して使用される特定のコンポーネントのラベル付き多次元(マルチプレックス)画像を提供する。 深度スパースオートエンコーダを用いて,データを低次元空間に埋め込むことにより,クラスタ数を自動データ駆動方式で推定する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The usage of chemical imaging technologies is becoming a routine accompaniment to traditional methods in pathology. Significant technological advances have developed these next generation techniques to provide rich, spatially resolved, multidimensional chemical images. The rise of digital pathology has significantly enhanced the synergy of these imaging modalities with optical microscopy and immunohistochemistry, enhancing our understanding of the biological mechanisms and progression of diseases. Techniques such as imaging mass cytometry provide labelled multidimensional (multiplex) images of specific components used in conjunction with digital pathology techniques. These powerful techniques generate a wealth of high dimensional data that create significant challenges in data analysis. Unsupervised methods such as clustering are an attractive way to analyse these data, however, they require the selection of parameters such as the number of clusters. Here we propose a methodology to estimate the number of clusters in an automatic data-driven manner using a deep sparse autoencoder to embed the data into a lower dimensional space. We compute the density of regions in the embedded space, the majority of which are empty, enabling the high density regions to be detected as outliers and provide an estimate for the number of clusters. This framework provides a fully unsupervised and data-driven method to analyse multidimensional data. In this work we demonstrate our method using 45 multiplex imaging mass cytometry datasets. Moreover, our model is trained using only one of the datasets and the learned embedding is applied to the remaining 44 images providing an efficient process for data analysis. Finally, we demonstrate the high computational efficiency of our method which is two orders of magnitude faster than estimating via computing the sum squared distances as a function of cluster number.
• Abstract（参考訳）: 化学画像技術の使用は、病理学における従来の手法と相容れないものになりつつある。 最先端の技術は、リッチで空間的に解決された多次元の化学画像を提供する次世代技術を開発した。 デジタル病理学の台頭は, 光学顕微鏡と免疫組織化学による画像モダリティの相乗効果を著しく向上させ, 疾患の生物学的機構と進展の理解を深めた。 イメージングマスサイトメトリーのような技術は、デジタル病理学技術と連動して使用される特定の成分のラベル付き多次元(多次元)画像を提供する。 これらの強力な技術は豊富な高次元データを生成し、データ分析において大きな課題を生み出す。 クラスタリングのような教師なしの手法は、これらのデータを解析するための魅力的な方法であるが、クラスタの数などのパラメータの選択が必要である。 本稿では,深層オートエンコーダを用いてクラスタ数を自動的にデータ駆動方式で推定し,そのデータを低次元空間に埋め込む手法を提案する。 組込み空間内の領域密度を計算し,そのほとんどが空であり,高密度領域を異常値として検出し,クラスタ数の推定値を与える。 このフレームワークは、完全に教師なしでデータ駆動の方法を提供し、多次元データを分析します。 本研究は,45個のマルチプレクサイメージング質量サイトメトリーデータセットを用いた手法を実証する。 さらに,本モデルでは,データセットの1つのみを用いて学習し,学習した埋め込みを残りの44画像に適用し,効率的なデータ解析を行う。 最後に,クラスタ数関数として和二乗距離を計算することにより,推定よりも2桁早い計算効率を示す。

関連論文リスト

• Rapid hyperspectral photothermal mid-infrared spectroscopic imaging from sparse data for gynecologic cancer tissue subtyping [3.550171634694342]
  ミドル赤外線(Mid-Infrared、MIR)は、ラベルなし、生化学的に定量的な技術である。 この研究は、MIR光熱画像への新しいアプローチを示し、その速度を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-02-28T00:57:35Z)
• Deep and shallow data science for multi-scale optical neuroscience [8.21292084298669]
  生物学的な情報を抽出する必要性を満たす計算手法が開発されている。 これらのアルゴリズムは、例えば、最先端の機械学習を使用して、与えられたスケールの詳細を最大限に学習することができる。 ここでは,アルゴリズム設計における限界とトレードオフについて論じる。
  論文  参考訳（メタデータ） (2024-02-13T21:30:44Z)
• Datacube segmentation via Deep Spectral Clustering [80.32085982862151]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• Building RadiologyNET: Unsupervised annotation of a large-scale multimodal medical database [0.4915744683251151]
  医学的診断と治療における機械学習の使用は、近年顕著な成長をみせている。 しかし、アノテーションのプロセスは時間がかかり、コストがかかるため、大きな注釈付き画像データセットが利用できることは大きな障害である。 本稿では, 医用放射線画像のデータベースに意味的類似性について, 自動的に注釈付けを行う方法について検討する。
  論文  参考訳（メタデータ） (2023-07-27T13:00:33Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• AMIGO: Sparse Multi-Modal Graph Transformer with Shared-Context Processing for Representation Learning of Giga-pixel Images [53.29794593104923]
  本稿では,スライド病理像全体に対する共有コンテキスト処理の新たな概念を提案する。 AMIGOは、組織内のセルラーグラフを使用して、患者に単一の表現を提供する。 我々のモデルは、データの20%以下で同じ性能を達成できる程度に、欠落した情報に対して強い堅牢性を示す。
  論文  参考訳（メタデータ） (2023-03-01T23:37:45Z)
• Deep learning at the edge enables real-time streaming ptychographic imaging [7.4083593332068975]
  プチコグラフィーのようなコヒーレントな顕微鏡技術は、ナノスケールの材料特性に革命をもたらす可能性がある。 従来のアプローチでは、高速コヒーレントイメージング実験からサンプル画像をリアルタイムで回収するのに十分ではない。 ここでは、エッジでの人工知能と高性能コンピューティングを活用して、検出器から直接最大2kHzでストリーミングされるX線写真データのリアルタイムインバージョンを可能にするワークフローを実演する。
  論文  参考訳（メタデータ） (2022-09-20T02:02:37Z)
• Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
  距離ベース次元削減手法に周辺情報を組み込む手法を提案する。 画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
  論文  参考訳（メタデータ） (2022-02-18T13:17:43Z)
• Ultrafast Focus Detection for Automated Microscopy [0.0]
  連続的に収集した電子顕微鏡画像に対する高速な焦点検出アルゴリズムを提案する。 本手法は, 従来のコンピュータビジョン技術に適応し, 様々な微細な組織学的特徴を検出する手法である。 アウト・オブ・フォーカス条件をほぼリアルタイムに検出するテストが実施されている。
  論文  参考訳（メタデータ） (2021-08-26T22:24:41Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。