論文の概要: Adversarial Stain Transfer to Study the Effect of Color Variation on Cell Instance Segmentation

• arxiv url: http://arxiv.org/abs/2209.00585v1
• Date: Thu, 1 Sep 2022 16:57:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-09-02 14:14:37.680626
• Title: Adversarial Stain Transfer to Study the Effect of Color Variation on Cell Instance Segmentation
• Title（参考訳）: セル・インスタンス・セグメンテーションにおける色変化の影響に関する研究
• Authors: Huaqian Wu, Nicolas Souedet, Camille Mabillon, Caroline Jan, C\'edric Clouchoux, Thierry Delzescaux
• Abstract要約: 組織像中の色変化は様々な要因によって引き起こされ、病理医の視覚的診断だけでなく、細胞分画アルゴリズムにも困難である。 現在のセルセグメンテーション法では, 染色の正規化を前処理段階として体系的に適用しているが, 色変化による影響は定量化されていない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Stain color variation in histological images, caused by a variety of factors, is a challenge not only for the visual diagnosis of pathologists but also for cell segmentation algorithms. To eliminate the color variation, many stain normalization approaches have been proposed. However, most were designed for hematoxylin and eosin staining images and performed poorly on immunohistochemical staining images. Current cell segmentation methods systematically apply stain normalization as a preprocessing step, but the impact brought by color variation has not been quantitatively investigated yet. In this paper, we produced five groups of NeuN staining images with different colors. We applied a deep learning image-recoloring method to perform color transfer between histological image groups. Finally, we altered the color of a segmentation set and quantified the impact of color variation on cell segmentation. The results demonstrated the necessity of color normalization prior to subsequent analysis.
• Abstract（参考訳）: 各種因子による組織像の染色色変化は、病理学者の視覚的診断だけでなく、細胞分画アルゴリズムにおいても課題となっている。 色変化を解消するため,多くの染色正規化手法が提案されている。 しかし, ほとんどがヘマトキシリンおよびエオシン染色画像用に設計され, 免疫組織化学的染色画像では不十分であった。 現在のセルセグメンテーション法では, 染色の正規化を前処理段階として体系的に適用しているが, 色変化による影響は定量化されていない。 本稿では,異なる色のNeuN染色画像の5つのグループを作成した。 組織像群間の色移動に深層学習画像再構成法を適用した。 最後に,セグメンテーションセットの色を変え,セルセグメンテーションにおける色変化の影響を定量化した。 その結果,その後の分析に先立って色正規化の必要性が示された。

関連論文リスト

• Multi-target stain normalization for histology slides [6.820595748010971]
  我々は,複数の参照画像を活用する新しい手法を導入し,染色変化に対する堅牢性を高める。 提案手法はパラメータフリーであり,有意な変化のない既存の計算病理パイプラインに適用可能である。
  論文  参考訳（メタデータ） (2024-06-04T07:57:34Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• DARC: Distribution-Aware Re-Coloring Model for Generalizable Nucleus Segmentation [68.43628183890007]
  ドメインギャップは、異なるフォアグラウンド(核)-バックグラウンド比によっても引き起こされる可能性があると我々は主張する。 まず、異なる領域間の劇的な画像色変化を緩和する再カラー化手法を提案する。 次に,前景-背景比の変動に頑健な新しいインスタンス正規化手法を提案する。
  論文  参考訳（メタデータ） (2023-09-01T01:01:13Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• PalGAN: Image Colorization with Palette Generative Adversarial Networks [51.59276436217957]
  そこで本研究では,パレット推定とカラーアテンションを統合した新しいGANベースのカラー化手法PalGANを提案する。 PalGANは、定量的評価と視覚比較において最先端の成果を上げ、顕著な多様性、コントラスト、およびエッジ保存の外観を提供する。
  論文  参考訳（メタデータ） (2022-10-20T12:28:31Z)
• Detecting Recolored Image by Spatial Correlation [60.08643417333974]
  画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。 本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。 提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
  論文  参考訳（メタデータ） (2022-04-23T01:54:06Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Structure-Preserving Multi-Domain Stain Color Augmentation using Style-Transfer with Disentangled Representations [0.9051352746190446]
  HistAuGANは、様々な現実的な組織学の染色色をシミュレートできるため、トレーニング中にニューラルネットワークの染色が不変になる。 画像から画像への変換のためのGAN(generative adversarial network)に基づいて,画像の内容,すなわち形態的組織構造を染色色属性から切り離す。 複数のドメインでトレーニングすることができるため、スライド作成および撮像プロセスで導入された他のドメイン固有のバリエーションと同様に、異なる染色色をカバーできることを学ぶことができる。
  論文  参考訳（メタデータ） (2021-07-26T17:52:39Z)
• Saliency-based segmentation of dermoscopic images using color information [3.8073142980733]
  本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。 本稿では,人間の視覚的知覚に触発された新しい知覚基準と組み合わせたバイナライゼーションプロセスを用いた新しい手法を提案する。 1497画像を含む2つの公開データベース上で評価を行った。
  論文  参考訳（メタデータ） (2020-11-26T08:47:10Z)
• Pix2Pix-based Stain-to-Stain Translation: A Solution for Robust Stain Normalization in Histopathology Images Analysis [5.33024001730262]
  Stain-to-Stain Translation (STST) はヘマトキシリンおよびエオシン染色組織像の正常化に用いられている。 条件付きジェネレータ対向ネットワーク(cGAN)を用いたピクス2ピクセルフレームワークに基づく翻訳処理を行う。
  論文  参考訳（メタデータ） (2020-02-03T11:19:01Z)

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。