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: 処理完了
- 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
- Stain-invariant self supervised learning for histopathology image
analysis [103.0584008963071]
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) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳(メタデータ) (2022-03-23T00:58:27Z) - 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) - Underwater Image Enhancement via Medium Transmission-Guided Multi-Color
Space Embedding [88.46682991985907]
本稿では,Ucolor と呼ばれる媒体透過誘導多色空間埋め込みによる水中画像強調ネットワークを提案する。
当社のネットワークは、複数の色空間を埋め込むことにより、水中画像の視覚的品質を効果的に改善できます。
論文 参考訳(メタデータ) (2021-04-27T07:35:30Z) - 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) - Frequency and Spatial domain based Saliency for Pigmented Skin Lesion
Segmentation [0.0]
そこで本研究では, 周波数領域と空間領域から得られた簡易かつ効果的な唾液濃度に基づく顔料皮膚病変の検出手法を提案する。
2つのカラーモデルがこれらの地図の構築に利用されている。
実験結果から,提案手法は最先端手法と比較して,より優れたセグメンテーション結果を生成することが示唆された。
論文 参考訳(メタデータ) (2020-10-08T14:38:42Z) - 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。