論文の概要: From WSI-level to Patch-level: Structure Prior Guided Binuclear Cell
Fine-grained Detection
- arxiv url: http://arxiv.org/abs/2208.12623v1
- Date: Fri, 26 Aug 2022 12:32:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-29 13:07:11.995979
- Title: From WSI-level to Patch-level: Structure Prior Guided Binuclear Cell
Fine-grained Detection
- Title（参考訳）: WSIレベルからパッチレベル:構造前誘導二核細胞微細検出
- Authors: Baomin Wang, Geng Hu, Dan Chen, Lihua Hu, Cheng Li, Yu An, Guiping Hu,
Guang Jia
- Abstract要約: バイ核細胞(BC)の検出は、白血病やその他の悪性腫瘍のリスクを予測する上で重要な役割を担っている。
深層学習に基づくBC以前の構造にインスパイアされた2段階検出手法を提案する。
粗い検出ネットワークは、細胞検出のための円形境界ボックスと、核検出のための中心キーポイントに基づくマルチタスク検出フレームワークである。
- 参考スコア（独自算出の注目度）: 8.810499770542553
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurately and quickly binuclear cell (BC) detection plays a significant role
in predicting the risk of leukemia and other malignant tumors. However, manual
microscopy counting is time-consuming and lacks objectivity. Moreover, with the
limitation of staining quality and diversity of morphology features in BC
microscopy whole slide images (WSIs), traditional image processing approaches
are helpless. To overcome this challenge, we propose a two-stage detection
method inspired by the structure prior of BC based on deep learning, which
cascades to implement BCs coarse detection at the WSI-level and fine-grained
classification in patch-level. The coarse detection network is a multi-task
detection framework based on circular bounding boxes for cells detection, and
central key points for nucleus detection. The circle representation reduces the
degrees of freedom, mitigates the effect of surrounding impurities compared to
usual rectangular boxes and can be rotation invariant in WSI. Detecting key
points in the nucleus can assist network perception and be used for
unsupervised color layer segmentation in later fine-grained classification. The
fine classification network consists of a background region suppression module
based on color layer mask supervision and a key region selection module based
on a transformer due to its global modeling capability. Additionally, an
unsupervised and unpaired cytoplasm generator network is firstly proposed to
expand the long-tailed distribution dataset. Finally, experiments are performed
on BC multicenter datasets. The proposed BC fine detection method outperforms
other benchmarks in almost all the evaluation criteria, providing clarification
and support for tasks such as cancer screenings.
- Abstract（参考訳）: 白血病やその他の悪性腫瘍のリスクを予測する上で、正確かつ迅速にbcの検出は重要な役割を果たす。
しかし、手動顕微鏡の計数には時間がかかり、客観性に欠ける。
さらに,BC顕微鏡全スライド画像(WSI)における染色品質の限界や形態特徴の多様性により,従来の画像処理手法は役に立たない。
この課題を克服するために,深層学習に基づくBC 以前の構造にインスパイアされた2段階検出手法を提案し,BC の粗い検出を WSI レベルで実装し,パッチレベルできめ細かい分類を行う。
粗い検出ネットワークは、細胞検出のための円形境界ボックスと核検出のための中心キーポイントに基づくマルチタスク検出フレームワークである。
円の表現は自由度を減少させ、通常の矩形箱に比べて周囲の不純物の影響を緩和し、wsiで回転不変となる。
核内のキーポイントの検出はネットワーク知覚を補助し、後の細粒度分類において教師なし色層分割に使用できる。
詳細な分類網は、色層マスク監視に基づく背景領域抑制モジュールと、そのグローバルなモデリング能力によりトランスフォーマに基づくキー領域選択モジュールとから構成される。
さらに、長い尾の分布データセットを拡張するために、教師なしおよびペアなしの細胞質発生ネットワークが最初に提案されている。
最後に、bcマルチセンターデータセットで実験を行う。
提案手法は,がん検診などのタスクの明確化とサポートを提供するため,評価基準のほぼすべてにおいて,他のベンチマークよりも優れている。
関連論文リスト
- Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - Multi-spectral Class Center Network for Face Manipulation Detection and Localization [52.569170436393165]
顔の操作検出と局所化のための新しいマルチスペクトル・クラス・センター・ネットワーク(MSCCNet)を提案する。
周波数帯域の異なる特徴に基づき、MSCCモジュールはマルチスペクトルクラスセンターを収集し、ピクセル対クラス関係を計算する。
多スペクトルクラスレベルの表現を適用することで、偽画像の操作された領域に敏感な視覚概念の意味情報を抑えることができる。
論文 参考訳（メタデータ） (2023-05-18T08:09:20Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - 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) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳（メタデータ） (2022-09-25T04:56:10Z) - W-Net: A Two-Stage Convolutional Network for Nucleus Detection in
Histopathology Image [5.065311617930521]
自動核検出のためのW字型ネットワークを提案する。
最初のサブタスクは、元の病理画像をバイナリマスクにマッピングし、次にバイナリマスクを密度マスクにマッピングする。
タスク分割後、タスクの難易度が大幅に低下し、ネットワーク全体の性能が向上する。
論文 参考訳（メタデータ） (2021-10-26T13:00:16Z) - Bend-Net: Bending Loss Regularized Multitask Learning Network for Nuclei
Segmentation in Histopathology Images [65.47507533905188]
重なり合う核を正確に分離するために、曲げ損失正規化器を備えた新しいマルチタスク学習ネットワークを提案する。
新たに提案されたマルチタスク学習アーキテクチャは、3つのタスクから共有表現を学習することで一般化を促進する。
提案した曲げ損失は,輪郭点を大きな曲率で囲むために高いペナルティを定義し,小さな曲率で凸輪郭点に小さなペナルティを適用した。
論文 参考訳（メタデータ） (2021-09-30T17:29:44Z) - SRPN: similarity-based region proposal networks for nuclei and cells
detection in histology images [13.544784143012624]
組織像における核・細胞検出のための類似性に基づく領域提案ネットワーク(SRPN)を提案する。
埋め込み層と呼ばれるカスタマイズされた畳み込み層は、ネットワーク構築のために設計されている。
組織像における多臓器核検出とシグナレットリング細胞検出の課題について,提案手法を検証した。
論文 参考訳（メタデータ） (2021-06-25T10:56:54Z) - 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) - Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。
提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
論文 参考訳（メタデータ） (2020-10-01T18:56:46Z) - 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)
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。