論文の概要: Weakly Supervised Deep Instance Nuclei Detection using Points Annotation in 3D Cardiovascular Immunofluorescent Images

• arxiv url: http://arxiv.org/abs/2208.00098v1
• Date: Fri, 29 Jul 2022 23:06:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 12:53:57.680830
• Title: Weakly Supervised Deep Instance Nuclei Detection using Points Annotation in 3D Cardiovascular Immunofluorescent Images
• Title（参考訳）: 3次元心血管系免疫蛍光画像におけるポイントアノテーションを用いた深部核検出
• Authors: Nazanin Moradinasab, Yash Sharma, Laura S. Shankman, Gary K. Owens, Donald E. Brown
• Abstract要約: プラーク組成を決定するために、プラーク病変の3D心血管免疫蛍光画像中の様々な細胞タイプをカウントする。 これらの細胞を手動で数えるのは高価で、時間がかかり、ヒューマンエラーを起こしやすい。 本研究は、3次元免疫蛍光画像中の細胞を正確に検出・カウントするための自動アプローチを開発する。
• 参考スコア（独自算出の注目度）: 7.515221697692251
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Two major causes of death in the United States and worldwide are stroke and myocardial infarction. The underlying cause of both is thrombi released from ruptured or eroded unstable atherosclerotic plaques that occlude vessels in the heart (myocardial infarction) or the brain (stroke). Clinical studies show that plaque composition plays a more important role than lesion size in plaque rupture or erosion events. To determine the plaque composition, various cell types in 3D cardiovascular immunofluorescent images of plaque lesions are counted. However, counting these cells manually is expensive, time-consuming, and prone to human error. These challenges of manual counting motivate the need for an automated approach to localize and count the cells in images. The purpose of this study is to develop an automatic approach to accurately detect and count cells in 3D immunofluorescent images with minimal annotation effort. In this study, we used a weakly supervised learning approach to train the HoVer-Net segmentation model using point annotations to detect nuclei in fluorescent images. The advantage of using point annotations is that they require less effort as opposed to pixel-wise annotation. To train the HoVer-Net model using point annotations, we adopted a popularly used cluster labeling approach to transform point annotations into accurate binary masks of cell nuclei. Traditionally, these approaches have generated binary masks from point annotations, leaving a region around the object unlabeled (which is typically ignored during model training). However, these areas may contain important information that helps determine the boundary between cells. Therefore, we used the entropy minimization loss function in these areas to encourage the model to output more confident predictions on the unlabeled areas. Our comparison studies indicate that the HoVer-Net model trained using our weakly ...
• Abstract（参考訳）: アメリカ合衆国と世界中の2つの主な死因は、脳卒中と心筋梗塞である。 両方の根本的な原因は、心(心筋梗塞)や脳(脳卒中)の血管を閉塞する不安定な動脈硬化性プラークの破裂または侵食から放出される血栓である。 臨床研究によれば、プラーク組成はプラーク破壊や侵食現象において、病変の大きさよりも重要な役割を担っている。 プラーク組成物を決定するために、プラーク病変の3D心血管免疫蛍光画像中の様々な細胞タイプをカウントする。 しかし、これらの細胞を手動で数えるのは高価であり、時間を要する。 手動カウントのこれらの課題は、画像内の細胞をローカライズし数える自動化アプローチの必要性を動機付けている。 本研究の目的は、3次元免疫蛍光画像中の細胞を最小限のアノテーションで正確に検出・カウントする自動アプローチを開発することである。 本研究では,弱い教師付き学習手法を用いて,点アノテーションを用いてHoVer-Netセグメンテーションモデルを訓練し,蛍光画像中の核を検出する。 ポイントアノテーションを使用する利点は、ピクセル毎のアノテーションよりも少ない労力を必要とすることだ。 ポイントアノテーションを用いてHoVer-Netモデルをトレーニングするために、ポイントアノテーションをセル核の正確なバイナリマスクに変換するために広く使われているクラスタラベリング手法を採用した。 伝統的に、これらのアプローチはポイントアノテーションからバイナリマスクを生成し、オブジェクトの周りの領域をラベルなしで残している(モデルトレーニングでは無視される)。 しかし、これらの領域は細胞の境界を決定する重要な情報を含んでいるかもしれない。 そこで本研究では,これらの領域におけるエントロピー最小化損失関数を用いて,ラベルのない領域でより確実な予測を行うようモデルに促した。 我々の比較研究によると、ホバーネットモデルは弱く訓練されている。

関連論文リスト

• DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
  DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。 我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
  論文  参考訳（メタデータ） (2024-10-04T00:38:29Z)
• Region Guided Attention Network for Retinal Vessel Segmentation [19.587662416331682]
  本稿では,領域誘導型アテンションを用いたエンコーダデコーダ機構に基づく軽量網膜血管セグメンテーションネットワークを提案する。 Dice Losは偽陽性と偽陰性を等しく解析し、モデルがより正確なセグメンテーションを生成するように促す。 ベンチマークデータセットの実験では、最先端の手法と比較して、パフォーマンス(0.8285, 0.8098, 0.9677, 0.8166リコール、精度、精度、F1スコア)が向上した。
  論文  参考訳（メタデータ） (2024-07-22T00:08:18Z)
• Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
  我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。 我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
  論文  参考訳（メタデータ） (2023-03-20T16:28:15Z)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Accurate Cell Segmentation in Digital Pathology Images via Attention Enforced Networks [0.0]
  本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。 実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
  論文  参考訳（メタデータ） (2020-12-14T03:39:33Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)
• Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
  本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。 本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-07-10T15:41:29Z)
• Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray Images [0.0]
  医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。 本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
  論文  参考訳（メタデータ） (2020-07-01T20:48:35Z)
• Pseudo-Labeling for Small Lesion Detection on Diabetic Retinopathy Images [12.49381528673824]
  糖尿病網膜症(英: Diabetic retinopathy、DR)は、世界の勤労者の視覚障害の主要な原因である。 糖尿病患者の約300～400万人は、DRのために視力を失います。 色眼底画像によるDRの診断は、そのような問題を緩和するための一般的なアプローチである。
  論文  参考訳（メタデータ） (2020-03-26T17:13:48Z)

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。