論文の概要: Detecting Mitoses with a Convolutional Neural Network for MIDOG 2022
Challenge
- arxiv url: http://arxiv.org/abs/2208.12437v1
- Date: Fri, 26 Aug 2022 04:59:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-29 13:01:00.436783
- Title: Detecting Mitoses with a Convolutional Neural Network for MIDOG 2022
Challenge
- Title(参考訳): MIDOG 2022チャレンジのための畳み込みニューラルネットワークによるミトコンドリアの検出
- Authors: Hongyan Gu, Mohammad Haeri, Shuo Ni, Christopher Kazu Williams, Neda
Zarrin-Khameh, Shino Magaki, and Xiang 'Anthony' Chen
- Abstract要約: 本研究は,1つのバニラ畳み込みニューラルネットワーク(CNN)を用いた有糸分裂検出法を提案する。
提案手法は,画像が与えられた場合,まず,ミトースを含むパッチを抽出するスライディングウインドウ手法を用いてCNNを適用し,抽出したパッチのクラスアクティベーションマップを算出し,ミトーシスの正確な位置を求める。
モデルの一般化性を高めるため、一連のデータ拡張手法、ノイズラベル付き画像に対処する損失、アクティブな学習戦略を用いてCNNを訓練する。
- 参考スコア(独自算出の注目度): 4.593314647169437
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents a mitosis detection method with only one vanilla
Convolutional Neural Network (CNN). Our approach consists of two steps: given
an image, we first apply a CNN using a sliding window technique to extract
patches that have mitoses; we then calculate each extracted patch's class
activation map to obtain the mitosis's precise location. To increase the model
generalizability, we train the CNN with a series of data augmentation
techniques, a loss that copes with noise-labeled images, and an active learning
strategy. Our approach achieved an F1 score of 0.7323 with an EfficientNet-b3
model in the preliminary test phase of the MIDOG 2022 challenge.
- Abstract(参考訳): 本研究では,1つのバニラ畳み込みニューラルネットワーク(CNN)のみを用いたミオシス検出手法を提案する。
提案手法は,画像が与えられた場合,まず,ミトースを有するパッチを抽出するスライディングウインドウ手法を用いてCNNを適用し,抽出したパッチのクラス活性化マップを算出し,ミトーシスの正確な位置を求める。
モデルの一般化性を高めるため、一連のデータ拡張手法、ノイズラベル付き画像に対処する損失、アクティブな学習戦略を用いてCNNを訓練する。
提案手法はMIDOG 2022チャレンジの予備試験段階において,有効Net-b3モデルを用いたF1スコア0.7323を達成した。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳(メタデータ) (2024-09-29T07:04:26Z) - Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。
最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。
データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2024-03-11T06:34:05Z) - Few-shot Learning using Data Augmentation and Time-Frequency
Transformation for Time Series Classification [6.830148185797109]
データ拡張による新しい数ショット学習フレームワークを提案する。
シークエンス・スペクトログラム・ニューラルネット(SSNN)も開発している。
本手法は,時系列分類における数ショット問題への対処法の適用性を実証する。
論文 参考訳(メタデータ) (2023-11-06T15:32:50Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳(メタデータ) (2023-08-31T05:05:53Z) - Determination of the critical points for systems of directed percolation
class using machine learning [0.0]
我々はCNNとDBSCANを用いて、有向結合パーコレーション(ボンドDP)モデルとドマニ・キンゼル細胞普遍性(DK)モデルの臨界点を決定する。
両アルゴリズムの結果から,格子サイズの非常に小さな値であっても,マシンは両モデルの臨界点を正確に予測できることがわかった。
論文 参考訳(メタデータ) (2023-07-19T20:58:12Z) - Severity classification of ground-glass opacity via 2-D convolutional
neural network and lung CT scans: a 3-day exploration [0.0]
グラウンドグラスの不透明度は、COVID-19や肺炎、肺線維症、結核など、多くの肺疾患の指標である。
本稿では,3日間にわたって実施,テストされた概念実証フレームワークについて,第3の課題である「COVID-19コンペティション」による実験的結果を示す。
課題の要件の一部として、このエクササイズ中に生成されたソースコードはhttps://github.com/lisatwyw/cov19.comに投稿されている。
論文 参考訳(メタデータ) (2023-03-23T22:35:37Z) - Searching for Effective Neural Network Architectures for Heart Murmur
Detection from Phonocardiogram [5.183688633606942]
George B. Moody PhysioNet Challenge 2022は、超音波心電図(PCGs)による心室検出と心機能異常の同定の問題を提起した。
この研究は、我々のチームであるRevengerがこれらの問題を解決するために開発した新しいアプローチについて述べます。
論文 参考訳(メタデータ) (2023-03-06T09:31:42Z) - Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。
本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。
実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
論文 参考訳(メタデータ) (2022-10-26T15:21:39Z) - Adaptive Convolutional Dictionary Network for CT Metal Artifact
Reduction [62.691996239590125]
本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。
我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。
本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
論文 参考訳(メタデータ) (2022-05-16T06:49:36Z) - Corrupted Image Modeling for Self-Supervised Visual Pre-Training [103.99311611776697]
自己教師型視覚前訓練のためのCIM(Corrupted Image Modeling)を提案する。
CIMは、小さなトレーニング可能なBEiTを備えた補助発電機を使用して、人工マスクトークンを使用する代わりに入力イメージを破損させる。
事前トレーニング後、エンハンサーは下流タスク用の高容量ビジュアルエンコーダとして使用できる。
論文 参考訳(メタデータ) (2022-02-07T17:59:04Z) - A CNN-LSTM Architecture for Detection of Intracranial Hemorrhage on CT
scans [0.3670422696827525]
本稿では,脳内出血の正確な予測のために,畳み込みニューラルネットワーク(CNN)と長期記憶機構(LSTM)を組み合わせた新しい手法を提案する。
CNNはスライスワイズ機能抽出器の役割を担い、LSTMはスライス機能間のリンクを担当している。
近年のRSNA頭蓋内出血検出とCQ500データセットを用いて本手法の有効性を検証した。
論文 参考訳(メタデータ) (2020-05-22T04:00:04Z)
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。
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。