Fugu-MT 論文翻訳(概要): A Two Step Approach for Whole Slide Image Registration

論文の概要: A Two Step Approach for Whole Slide Image Registration

arxiv url: http://arxiv.org/abs/2208.12635v1
Date: Thu, 25 Aug 2022 02:53:49 GMT
ステータス: 処理完了
システム内更新日: 2022-08-29 13:31:30.766445
Title: A Two Step Approach for Whole Slide Image Registration
Title（参考訳）: 全スライド画像登録のための2ステップアプローチ
Authors: Satoshi Kondo, Satoshi Kasai, Kousuke Hirasawa
Abstract要約: ACROBATチャレンジの解決策を提示する。我々は剛性変換と非剛性変換を含む2段階のアプローチを採用する。実験の結果、90%の正中率は検証データセットの1,250馬力であることがわかった。
参考スコア（独自算出の注目度）: 0.10312968200748115
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Multi-stain whole-slide-image (WSI) registration is an active field of research. It is unclear, however, how the current WSI registration methods would perform on a real-world data set. AutomatiC Registration Of Breast cAncer Tissue (ACROBAT) challenge is held to verify the performance of the current WSI registration methods by using a new dataset that originates from routine diagnostics to assess real-world applicability. In this report, we present our solution for the ACROBAT challenge. We employ a two-step approach including rigid and non-rigid transforms. The experimental results show that the median 90th percentile is 1,250 um for the validation dataset.
Abstract（参考訳）: マルチステイン全スライダー画像登録(wsi)は、研究の活発な分野である。しかし、現在のWSI登録手法が現実世界のデータセットでどのように機能するかは不明だ。乳房組織自動登録(ACROBAT)の課題は、日常的な診断から生まれた新しいデータセットを用いて、現在のWSI登録手法の性能を検証することである。本稿では,ACROBATチャレンジに対する解決策を提案する。剛体および非剛体変換を含む2段階の手法を用いる。実験の結果,90パーセンタイルの中央値は検証データセットの1250umであることが判明した。

関連論文リスト

Automatic Registration of SHG and H&E Images with Feature-based Initial Alignment and Intensity-based Instance Optimization: Contribution to the COMULIS Challenge [2.1640167354628046]
ヘマトキシリンおよびエオシンスライドに対する非侵襲的第二高調波発生顕微鏡は非常に望ましいが、未解決の問題である。第2高調波画像は部分的情報のみを含むため、この課題は困難である。本稿では,自動キーポイントマッチングに基づく手法と,インスタンス最適化に基づく変形可能な登録手法を提案する。
論文参考訳（メタデータ） (2024-09-24T09:55:40Z)
SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation [55.87169702896249]
Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。本稿では,DA手法の評価と,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの公平な評価を行うフレームワークを提案する。本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
論文参考訳（メタデータ） (2024-07-16T12:52:29Z)
Adaptive Rentention & Correction for Continual Learning [114.5656325514408]
連続学習における一般的な問題は、最新のタスクに対する分類層のバイアスである。アダプティブ・リテンション・アンド・コレクション (ARC) のアプローチを例に挙げる。 ARCはCIFAR-100とImagenet-Rのデータセットで平均2.7%と2.6%のパフォーマンス向上を達成した。
論文参考訳（メタデータ） (2024-05-23T08:43:09Z)
RegWSI: Whole Slide Image Registration using Combined Deep Feature- and Intensity-Based Methods: Winner of the ACROBAT 2023 Challenge [1.7625447004432986]
デジタル病理学を専門とする科学コミュニティや病院では,堅牢で効率的かつ正確な登録方法が望まれている。 i) 深層学習と特徴に基づく初期アライメントアルゴリズムと(ii) 強度に基づく非厳密な登録からなる2段階のハイブリッド手法を提案する。提案手法は特定のデータセットへの微調整を一切必要とせず,任意の組織タイプや染色に直接使用することができる。
論文参考訳（メタデータ） (2024-04-19T16:19:30Z)
The ACROBAT 2022 Challenge: Automatic Registration Of Breast Cancer Tissue [42.91349614568074]
ACROBATの課題は、1,152人の乳癌患者の4,212人のWSIを含む、これまでで最大のWSI登録データセットに基づいていた。異なるWSI特性の影響の調査を含む,8つのWSI登録アルゴリズムの性能を比較した。これらの結果は、WSI登録における現状を確立し、方法の選択と開発について研究者を指導する。
論文参考訳（メタデータ） (2023-05-29T11:53:12Z)
PoseRAC: Pose Saliency Transformer for Repetitive Action Counting [56.34379680390869]
冗長なフレームではなく,2つのサレントポーズのみを用いて,各アクションを効率よく表現するPose Saliency Representationを導入する。また,この表現に基づいて,最先端のパフォーマンスを実現するPoseRACについても紹介する。当社の軽量モデルは非常に効率的で、GPUでのトレーニングに20分しか必要とせず、従来の方法に比べて10倍近い速さで推論します。
論文参考訳（メタデータ） (2023-03-15T08:51:17Z)
Recurrence With Correlation Network for Medical Image Registration [66.63200823918429]
本稿では,医療画像登録ネットワークであるRecurrence with correlation Network (RWCNet)について述べる。これらの特徴により、2つの画像登録データセットにおける医用画像登録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） (2023-02-05T02:41:46Z)
Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2022-10-11T08:24:50Z)
A Transformer-based Network for Deformable Medical Image Registration [5.388525884890891]
変形可能な医用画像登録は臨床診断と治療において重要な役割を担っている。深層学習(DL)に基づく画像登録法が広く研究され,計算速度に優れた性能を示した。本稿では,トランスを用いた画像登録手法を提案する。
論文参考訳（メタデータ） (2022-02-24T13:45:45Z)
Towards Image-based Automatic Meter Reading in Unconstrained Scenarios: A Robust and Efficient Approach [60.63996472100845]
本稿では,制約のないシナリオに着目したAMR(Automatic Meter Reading)のエンドツーエンドアプローチを提案する。我々の主な貢献は、コーナー検出とカウンタ分類と呼ばれる新しいステージをAMRパイプラインに挿入することである。信頼度が低い読みを拒絶した場合,AMRシステムは印象的な認識率(すなわち99%)を達成することを示す。
論文参考訳（メタデータ） (2020-09-21T21:21:23Z)
A coarse-to-fine framework for unsupervised multi-contrast MR image deformable registration with dual consistency constraint [20.905285486843006]
本稿では, 高精度なマルチコントラストMR画像登録を実現するための, 教師なし学習に基づく新しいフレームワークを提案する。具体的には、アフィンと変形可能な変換からなるエンドツーエンドの粗いネットワークアーキテクチャを設計する。提案手法は,CPU上でテストする場合,最も競争力のあるSyN(Affine)よりも約10倍高速である。
論文参考訳（メタデータ） (2020-08-05T01:16:45Z)

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。