論文の概要: Comparative analysis of deep learning approaches for AgNOR-stained cytology samples interpretation

• arxiv url: http://arxiv.org/abs/2210.10641v1
• Date: Wed, 19 Oct 2022 15:15:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 15:47:40.949653
• Title: Comparative analysis of deep learning approaches for AgNOR-stained cytology samples interpretation
• Title（参考訳）: AgNOR染色細胞診サンプル解釈のための深層学習手法の比較解析
• Authors: Jo\~ao Gustavo Atkinson Amorim, Andr\'e Vict\'oria Matias, Allan Cerentini, Luiz Antonio Buschetto Macarini, Alexandre Sherlley Onofre, Fabiana Botelho Onofre, Aldo von Wangenheim
• Abstract要約: 本稿では, 深層学習手法を用いて, 好気性ヌクレオラオーガナイザ領域 (AgNOR) 染色スライダを解析する方法を提案する。 以上の結果から,バックボーンとしてResNet-18やResNet-34を用いたU-Netを用いたセマンティックセマンティックセマンティックセマンティクスは類似した結果を示す。 最も優れたモデルは、それぞれ0.83、0.92、0.99の核、クラスター、衛星のIoUを示す。
• 参考スコア（独自算出の注目度）: 52.77024349608834
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cervical cancer is a public health problem, where the treatment has a better chance of success if detected early. The analysis is a manual process which is subject to a human error, so this paper provides a way to analyze argyrophilic nucleolar organizer regions (AgNOR) stained slide using deep learning approaches. Also, this paper compares models for instance and semantic detection approaches. Our results show that the semantic segmentation using U-Net with ResNet-18 or ResNet-34 as the backbone have similar results, and the best model shows an IoU for nucleus, cluster, and satellites of 0.83, 0.92, and 0.99 respectively. For instance segmentation, the Mask R-CNN using ResNet-50 performs better in the visual inspection and has a 0.61 of the IoU metric. We conclude that the instance segmentation and semantic segmentation models can be used in combination to make a cascade model able to select a nucleus and subsequently segment the nucleus and its respective nucleolar organizer regions (NORs).
• Abstract（参考訳）: 頸部がんは公衆衛生上の問題であり、早期に発見すれば治療が成功する可能性が高い。 解析は人為的エラーの対象となる手作業であり,本論文は深層学習手法を用いてargyrophilic nucleolar organizer regions (agnor) 染色スライドの解析方法を提供する。 また,本論文では,例えばモデルと意味検出手法を比較した。 resnet-18およびresnet-34をバックボーンとするu-netを用いた意味セグメンテーションは類似した結果を示し,最良モデルは0.83, 0.92, 0.99のiouを示す。 例えば、ResNet-50を使用したMask R-CNNは視覚検査において優れており、IoUの0.61である。 本研究は, インスタンスセグメンテーションとセマンティックセグメンテーションモデルを組み合わせて, カスケードモデルで核を選択し, その後核とその各ヌクレオラオーガナイザ領域(NOR)をセグメンテーションすることができると結論付けた。

関連論文リスト

• Segmentation of Non-Small Cell Lung Carcinomas: Introducing DRU-Net and Multi-Lens Distortion [0.1935997508026988]
  我々は,ヒト非小細胞肺癌の悪性度を規定するセグメンテーションモデル(DRU-Net)を提案している。 我々は提案したモデルを作成するために2つのデータセット(ノルウェーの肺がんバイオバンクとHaukeland大学肺がんコホート)を使用した。 提案した空間拡張法(マルチレンズ歪み)により,ネットワーク性能は3%向上した。
  論文  参考訳（メタデータ） (2024-06-20T13:14:00Z)
• TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
  本研究では,TotalSegmentatorをMR画像に拡張した。 このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。 このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• MGTUNet: An new UNet for colon nuclei instance segmentation and quantification [3.693770437824002]
  本稿では,MGTUNet と呼ばれる UNet フレームワークをベースとした核処理のための新しい UNet モデルを提案する。 3つの評価指標とモデルのパラメータサイズを比較することで、MGTUNetはPQで0.6254、mPQで0.6359、R2で0.8695を得た。
  論文  参考訳（メタデータ） (2022-10-20T03:00:40Z)
• Nucleus Segmentation and Analysis in Breast Cancer with the MIScnn Framework [0.0]
  Nuデータセットには、乳がんにおける細胞核の220.000以上のアノテーションが含まれている。 細胞核の解析を自動化するためにMIScnn Frameworkを用いたマルチレータモデルを作成する方法を示す。
  論文  参考訳（メタデータ） (2022-06-16T13:51:19Z)
• Self-Ensembling GAN for Cross-Domain Semantic Segmentation [107.27377745720243]
  本稿では,セマンティックセグメンテーションのためのクロスドメインデータを利用した自己理解型生成逆数ネットワーク(SE-GAN)を提案する。 SE-GANでは、教師ネットワークと学生ネットワークは、意味分節マップを生成するための自己組織化モデルを構成する。 その単純さにもかかわらず、SE-GANは敵の訓練性能を大幅に向上させ、モデルの安定性を高めることができる。
  論文  参考訳（メタデータ） (2021-12-15T09:50:25Z)
• 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)
• A weakly supervised registration-based framework for prostate segmentation via the combination of statistical shape model and CNN [4.404555861424138]
  前立腺の精密なセグメンテーションのための弱教師付き登録ベースフレームワークを提案する。 モデル変換, 形状制御パラメータ, 微調整ベクトルを予測するために, インセプションベースニューラルネットワーク(SSM-Net)を用いた。 入力画像から確率ラベルマップを予測するために残留U-net(ResU-Net)を用いた。
  論文  参考訳（メタデータ） (2020-07-23T00:24:57Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Convolutional Neural Networks based automated segmentation and labelling of the lumbar spine X-ray [0.0]
  本研究の目的は, 腰椎X線を手動で付加した730個の椎間板にトレーニングした, 異なるセグメンテーションネットワークのセグメンテーション精度について検討することである。 セグメンテーションネットワークはセグメンテーションネットワークと比較された。
  論文  参考訳（メタデータ） (2020-04-04T20:15:03Z)

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。