論文の概要: Mitosis Detection, Fast and Slow: Robust and Efficient Detection of
Mitotic Figures
- arxiv url: http://arxiv.org/abs/2208.12587v2
- Date: Mon, 25 Sep 2023 11:38:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 04:55:20.770855
- Title: Mitosis Detection, Fast and Slow: Robust and Efficient Detection of
Mitotic Figures
- Title（参考訳）: 高速・低速なミトーシス検出:ミトーシス図のロバストかつ効率的な検出
- Authors: Mostafa Jahanifar, Adam Shephard, Neda Zamanitajeddin, Simon Graham,
Shan E Ahmed Raza, Fayyaz Minhas, Nasir Rajpoot
- Abstract要約: そこで本研究では,ミトーシス候補セグメンテーションと候補精錬段階を含む,堅牢で効率的な2段階ミトーシス検出フレームワークを提案する。
EUNetは、候補を低い解像度で正確にセグメント化して、候補検出を大幅に高速化することができる。
本稿では,3つの大規模公用ミトーシスデータセットに対して,提案モデルの性能と一般化性を示す。
- 参考スコア（独自算出の注目度）: 3.047950378303433
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Counting of mitotic figures is a fundamental step in grading and
prognostication of several cancers. However, manual mitosis counting is tedious
and time-consuming. In addition, variation in the appearance of mitotic figures
causes a high degree of discordance among pathologists. With advances in deep
learning models, several automatic mitosis detection algorithms have been
proposed but they are sensitive to {\em domain shift} often seen in histology
images. We propose a robust and efficient two-stage mitosis detection
framework, which comprises mitosis candidate segmentation ({\em Detecting
Fast}) and candidate refinement ({\em Detecting Slow}) stages. The proposed
candidate segmentation model, termed \textit{EUNet}, is fast and accurate due
to its architectural design. EUNet can precisely segment candidates at a lower
resolution to considerably speed up candidate detection. Candidates are then
refined using a deeper classifier network, EfficientNet-B7, in the second
stage. We make sure both stages are robust against domain shift by
incorporating domain generalization methods. We demonstrate state-of-the-art
performance and generalizability of the proposed model on the three largest
publicly available mitosis datasets, winning the two mitosis domain
generalization challenge contests (MIDOG21 and MIDOG22). Finally, we showcase
the utility of the proposed algorithm by processing the TCGA breast cancer
cohort (1,125 whole-slide images) to generate and release a repository of more
than 620K mitotic figures.
- Abstract（参考訳）: 分裂図形の数え上げは、いくつかのがんの分類と予後の基本的なステップである。
しかし、手動のミトーシスカウントは退屈で時間を要する。
さらに、ミオティックな図形の外観の変化は、病理学者の間で高い不一致を引き起こす。
深層学習モデルの進歩により、いくつかの自動有糸分裂検出アルゴリズムが提案されているが、しばしば組織像に見られる領域シフトに敏感である。
本研究では,mitosis candidate segmentation ({\em detection fast}) と candidate refined ({\em detection slow}) の2段階からなるロバストで効率的な2段階mitosis detection frameworkを提案する。
提案された候補セグメンテーションモデルは \textit{eunet} と呼ばれ、そのアーキテクチャ設計のため高速で正確である。
EUNetは、候補を低い解像度で正確にセグメント化して、候補検出を大幅に高速化することができる。
候補は第2段階でより深い分類器ネットワークであるEfficientNet-B7を使って洗練される。
ドメイン一般化手法を取り入れることで、両方のステージがドメインシフトに対して堅牢であることを確認する。
本稿では,mitosis domain generalization challengeコンテスト(midog21とmidog22)で優勝した3大mitosisデータセット上で,提案モデルの最先端性能と一般化可能性を示す。
最後に,TCGA乳がんコホート(全スライディング画像1,125枚)を処理し,620K以上の有糸分裂像を生成・リリースすることで,提案アルゴリズムの有用性を示す。
関連論文リスト
- 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) - 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) - 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) - A novel dataset and a two-stage mitosis nuclei detection method based on
hybrid anchor branch [12.701748529240183]
有糸分裂検出のための2段階カスケードネットワークFoCasNetを提案する。
第1段階では、可能な限り多くのミトースを検出するために、M_detと呼ばれる検出ネットワークが提案されている。
第2段階では、第1段階の結果を洗練させるために分類ネットワークM_classを提案する。
論文 参考訳（メタデータ） (2023-01-18T16:11:09Z) - A Novel Dataset and a Deep Learning Method for Mitosis Nuclei
Segmentation and Classification [10.960222475663006]
ミトコンドリア核数(Mitosis nuclear count)は乳癌の病理診断における重要な指標の1つである。
そこで本研究では,SCMitosisという2段階のミトーシスセグメンテーションと分類法を提案する。
提案モデルはICPR 2012データセット上で検証され、最高Fスコア値は0.8687である。
論文 参考訳（メタデータ） (2022-12-27T08:12:42Z) - Challenging mitosis detection algorithms: Global labels allow centroid
localization [1.7382198387953947]
ミトコンドリア活性は、異なる種類のがんの診断と予後にとって重要なバイオマーカーである。
本研究では,複雑なシナリオを避けることを提案し,パッチのイメージレベルラベルのみを用いて,ローカライズタスクを弱教師付きで実行する。
TUPAC16データセットで得られた結果は、ひとつのトレーニングフェーズのみを使用して、最先端の手法と競合する。
論文 参考訳（メタデータ） (2022-11-30T09:52:26Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Hybrid guiding: A multi-resolution refinement approach for semantic
segmentation of gigapixel histopathological images [0.7490318169877296]
セマンティックセグメンテーションのための、H2G-Netと呼ばれるカスケード畳み込みニューラルネットワーク設計を提案する。
設計にはパッチワイズ方式による検出段階と、畳み込みオートエンコーダを用いた改良段階が含まれる。
最高の設計は90 WSIの独立したテストセットでDiceスコア0.933を達成した。
論文 参考訳（メタデータ） (2021-12-07T02:31:29Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳（メタデータ） (2020-08-19T06:02:46Z) - MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT
Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。
マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。
本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文 参考訳（メタデータ） (2020-05-15T10:37:02Z)
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。