Fugu-MT 論文翻訳(概要): H&E Stain Normalization using U-Net

論文の概要: H&E Stain Normalization using U-Net

arxiv url: http://arxiv.org/abs/2211.05420v1
Date: Thu, 10 Nov 2022 08:53:48 GMT
ステータス: 処理完了
システム内更新日: 2022-11-11 15:57:33.844021
Title: H&E Stain Normalization using U-Net
Title（参考訳）: U-Netを用いたH&Eの正規化
Authors: Chi-Chen Lee, Po-Tsun Paul Kuo, Chi-Han Peng
Abstract要約: 改良されたU-Netニューラルネットワークアーキテクチャに基づくヘマトキシリンおよびエオシン(H&E)染色正規化法を提案する。我々は教師-学生のアプローチを採用し、トレーニングされたCycleGANが生成したペアデータセットを使用して、U-Netをトレーニングし、染色正規化タスクを実行する。
参考スコア（独自算出の注目度）: 2.6695547894644864
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a novel hematoxylin and eosin (H&E) stain normalization method based on a modified U-Net neural network architecture. Unlike previous deep-learning methods that were often based on generative adversarial networks (GANs), we take a teacher-student approach and use paired datasets generated by a trained CycleGAN to train a U-Net to perform the stain normalization task. Through experiments, we compared our method to two recent competing methods, CycleGAN and StainNet, a lightweight approach also based on the teacher-student model. We found that our method is faster and can process larger images with better quality compared to CycleGAN. We also compared to StainNet and found that our method delivered quantitatively and qualitatively better results.
Abstract（参考訳）: 改良されたU-Netニューラルネットワークアーキテクチャに基づくヘマトキシリンおよびエオシン(H&E)染色正規化法を提案する。 GAN(Generative Adversarial Network)をベースとした従来のディープラーニング手法とは異なり、教師と学生のアプローチを採用し、訓練されたCycleGANが生成したペアデータセットを使用して、U-Netをトレーニングし、染色正規化タスクを実行する。実験により,本手法を教師学生モデルに基づく軽量なアプローチであるCycleGANとStainNetの2つの競合手法と比較した。提案手法はCycleGANに比べて高速で,より高品質な画像処理が可能であることが判明した。また, ステンドネットと比較した結果, 定量的, 質的にも良好な結果が得られた。

関連論文リスト

Reimagining Linear Probing: Kolmogorov-Arnold Networks in Transfer Learning [18.69601183838834]
Kolmogorov-Arnold Networks (KAN) は、伝達学習における従来の線形探索手法の拡張である。 Kanは、従来の線形探索よりも一貫して優れており、精度と一般化の大幅な改善を実現している。
論文参考訳（メタデータ） (2024-09-12T05:36:40Z)
Learnable Digital Twin for Efficient Wireless Network Evaluation [40.829275623191656]
ネットワークデジタルツインツ(NDT)は、ネットワークを物理的に実装する前にキーパフォーマンスインジケータ(KPI)の推定を容易にする。本稿では,ネットワークシミュレータのための学習型NDTを提案する。
論文参考訳（メタデータ） (2023-06-11T03:43:39Z)
Incorporating the Barzilai-Borwein Adaptive Step Size into Sugradient Methods for Deep Network Training [3.8762085568003406]
準ニュートン法に基づくセカント方程式に2点近似を用いて学習率を適用する。本手法は,広く利用可能なデータセットの標準例ネットワークアーキテクチャを用いて評価し,文献の他の代替案と比較する。
論文参考訳（メタデータ） (2022-05-27T02:12:59Z)
Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction [62.691996239590125]
本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
論文参考訳（メタデータ） (2022-05-16T06:49:36Z)
Low-light Image Enhancement by Retinex Based Algorithm Unrolling and Adjustment [50.13230641857892]
本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
論文参考訳（メタデータ） (2022-02-12T03:59:38Z)
Can we learn gradients by Hamiltonian Neural Networks? [68.8204255655161]
本稿では,勾配を学習するODEニューラルネットワークに基づくメタラーナを提案する。提案手法は,LLUアクティベーションを最適化したMLMとMNISTデータセットにおいて,LSTMに基づくメタラーナーよりも優れていることを示す。
論文参考訳（メタデータ） (2021-10-31T18:35:10Z)
Sparsity Aware Normalization for GANs [32.76828505875087]
GAN(Generative adversarial Network)は、トレーニング中の批判的(差別的)ネットワークの正規化または正規化の恩恵を受けることが知られている。本稿では,一般のスペクトル正規化スキームを分析し,有意な欠点を見つけ,GANトレーニングの安定化のための新たなアプローチであるスパーシャリティ認識正規化(SAN)を導入する。
論文参考訳（メタデータ） (2021-03-03T15:05:18Z)
Local Critic Training for Model-Parallel Learning of Deep Neural Networks [94.69202357137452]
そこで我々は,局所的批判訓練と呼ばれる新しいモデル並列学習手法を提案する。提案手法は,畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の両方において,階層群の更新プロセスの分離に成功したことを示す。また,提案手法によりトレーニングされたネットワークを構造最適化に利用できることを示す。
論文参考訳（メタデータ） (2021-02-03T09:30:45Z)
Incremental Embedding Learning via Zero-Shot Translation [65.94349068508863]
現在の最先端のインクリメンタル学習手法は、従来の分類ネットワークにおける破滅的な忘れ方問題に取り組む。ゼロショット変換クラス増分法(ZSTCI)と呼ばれる新しい組込みネットワークのクラス増分法を提案する。さらに、ZSTCIを既存の正規化ベースのインクリメンタル学習手法と組み合わせることで、組み込みネットワークの性能をより向上させることができる。
論文参考訳（メタデータ） (2020-12-31T08:21:37Z)
MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文参考訳（メタデータ） (2020-05-15T10:37:02Z)
Generative Adversarial Trainer: Defense to Adversarial Perturbations with GAN [13.561553183983774]
本稿では, 生成的対角ネットワークを用いて, ニューラルネットワークを敵の例に頑健にするための新しい手法を提案する。ジェネレータネットワークは、各画像の勾配を用いて分類器ネットワークを騙し易くする対向摂動を生成する。我々の対戦型トレーニングフレームワークは、Dropoutのような他の正規化手法よりも効率よくオーバーフィッティングを減らし、性能を向上します。
論文参考訳（メタデータ） (2017-05-09T15:30:58Z)

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。