Fugu-MT 論文翻訳(概要): Image Translation Based Nuclei Segmentation for Immunohistochemistry Images

論文の概要: Image Translation Based Nuclei Segmentation for Immunohistochemistry Images

arxiv url: http://arxiv.org/abs/2208.06202v1
Date: Fri, 12 Aug 2022 10:25:40 GMT
ステータス: 処理完了
システム内更新日: 2022-08-15 13:18:36.826388
Title: Image Translation Based Nuclei Segmentation for Immunohistochemistry Images
Title（参考訳）: 免疫組織化学画像のための画像翻訳に基づく核セグメンテーション
Authors: Roger Trullo, Quoc-Anh Bui, Qi Tang, and Reza Olfati-Saber
Abstract要約: 我々は,IHC画像からH&E画像へ変換するGANに基づく手法を開発した。提案手法は,複数のベースライン法よりも有効であることを示した。
参考スコア（独自算出の注目度）: 0.31873819654572616
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Numerous deep learning based methods have been developed for nuclei segmentation for H&E images and have achieved close to human performance. However, direct application of such methods to another modality of images, such as Immunohistochemistry (IHC) images, may not achieve satisfactory performance. Thus, we developed a Generative Adversarial Network (GAN) based approach to translate an IHC image to an H&E image while preserving nuclei location and morphology and then apply pre-trained nuclei segmentation models to the virtual H&E image. We demonstrated that the proposed methods work better than several baseline methods including direct application of state of the art nuclei segmentation methods such as Cellpose and HoVer-Net, trained on H&E and a generative method, DeepLIIF, using two public IHC image datasets.
Abstract（参考訳）: H&E画像の核セグメンテーションのための多くの深層学習法が開発され、人間の性能に近づいた。しかし、免疫組織化学(ihc)画像などの画像の他の様相への直接的適用は、良好な性能を達成できない可能性がある。そこで我々は,IHC画像をH&E画像に変換し,核位置と形態を保存しつつ,GANに基づく手法を開発し,仮想H&E画像に事前学習した核分割モデルを適用した。提案手法は,H&Eで訓練したCellposeやHoVer-Netといった人工核分割法の直接適用や,2つの公開IHC画像データセットを用いた生成法DeepLIIFなどを含む,いくつかのベースライン法よりも優れていることを示した。

関連論文リスト

ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。 5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
論文参考訳（メタデータ） (2024-08-26T08:59:22Z)
CriDiff: Criss-cross Injection Diffusion Framework via Generative Pre-train for Prostate Segmentation [60.61972883059688]
CridiffはCrisscross Injection Strategy(CIS)とGenerative Pre-train(GP)アプローチによる2段階の機能注入フレームワークである。 CISでは,複数レベルのエッジ特徴と非エッジ特徴を効果的に学習するために,並列コンディショナーを2つ提案した。 GPアプローチは、追加パラメータを追加することなく、画像特徴と拡散モデルとの矛盾を緩和する。
論文参考訳（メタデータ） (2024-06-20T10:46:50Z)
ReStainGAN: Leveraging IHC to IF Stain Domain Translation for in-silico Data Generation [0.12564343689544843]
In-silicoデータセットは、計算病理学において異なる染色パターンを持つ新しいドメインに既存のアノテーションの有用性を拡張することができる。免疫蛍光 (IF) 画像において, 形態特異的なIHC染色を別の画像チャネルに切り離し, シリカ化学(IHC) 画像を生成するための新しい手法を提案する。
論文参考訳（メタデータ） (2024-03-11T09:45:34Z)
PathoDuet: Foundation Models for Pathological Slide Analysis of H&E and IHC Stains [5.422494000842841]
PathoDuetは、病理組織像の事前訓練された一連のモデルであり、組織化学における新しい自己教師型学習フレームワークである。このフレームワークは、新しく導入されたプリテキストトークンと後続のタスクライザーによって特徴付けられ、画像間の特定の関係を明示的に活用する。クロススケール位置決めとクロスステイン転送という2つのプレテキストタスクは、モデルがヘマトキシリンとエオシンの画像で事前訓練されるように設計されている。
論文参考訳（メタデータ） (2023-12-15T15:45:52Z)
Deep learning-based instance segmentation for the precise automated quantification of digital breast cancer immunohistochemistry images [1.8434042562191815]
深層学習に基づくインスタンスセグメンテーションアーキテクチャを用いて,IHCスライスに適用した核バイオマーカーと膜バイオマーカーの自動定量化の実現可能性を示した。 HE, ER, Ki-67 (核バイオマーカー) およびHER2 (膜バイオマーカー) IHC-stained image を用いてアノテーションを収集した。我々は、2つのモデル(いわゆる核・膜認識セグメンテーションモデル)を訓練した。
論文参考訳（メタデータ） (2023-11-22T22:23:47Z)
NASDM: Nuclei-Aware Semantic Histopathology Image Generation Using Diffusion Models [3.2996723916635267]
第一種核認識意味組織生成フレームワーク(NASDM) NASDMは、最大6種類の核型のセマンティック・インスタンス・マスクを与えられた現実的な組織サンプルを合成することができる。これらの合成画像は、病理学、モデルの検証、既存の核セグメンテーションデータセットの補充に有用である。
論文参考訳（メタデータ） (2023-03-20T22:16:03Z)
Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文参考訳（メタデータ） (2023-01-24T17:54:01Z)
Restoring Vision in Hazy Weather with Hierarchical Contrastive Learning [53.85892601302974]
階層的コントラストデハージング(HCD)という,効果的な画像デハージング手法を提案する。 HCDは階層的脱ハージングネットワーク(HDN)と新しい階層的コントラスト損失(HCL)から構成される
論文参考訳（メタデータ） (2022-12-22T03:57:06Z)
Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文参考訳（メタデータ） (2022-03-10T14:22:54Z)
Deep Kernel Representation for Image Reconstruction in PET [9.041102353158065]
最適化されたカーネルモデルの自動学習を可能にするために,ディープニューラルネットワークを活用するディープカーネル手法を提案する。コンピュータシミュレーションと実際の患者データセットの結果から,提案したディープカーネル法は既存のカーネル法やニューラルネットワーク法よりも高速で,PET画像の動的再構成が可能であることが示された。
論文参考訳（メタデータ） (2021-10-04T03:53:33Z)
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。