Fugu-MT 論文翻訳(概要): Artifact Removal in Histopathology Images

論文の概要: Artifact Removal in Histopathology Images

arxiv url: http://arxiv.org/abs/2211.16161v1
Date: Tue, 29 Nov 2022 12:44:45 GMT
ステータス: 処理完了
システム内更新日: 2022-11-30 17:24:33.777278
Title: Artifact Removal in Histopathology Images
Title（参考訳）: 病理組織像におけるアーティファクト除去
Authors: Cameron Dahan, Stergios Christodoulidis, Maria Vakalopoulou, Joseph Boyd
Abstract要約: CycleGANsのような画像から画像への変換ネットワークは、未使用のデータからアーティファクト削除関数を学習することができる。本稿では, 人工物除去に伴う代入問題を特定し, これに対処するためのCycleGANの弱教師付き拡張を提案する。 TCGAデータベースからアーティファクトとクリーンタイルからなるパン缶データセットを作成した。
参考スコア（独自算出の注目度）: 2.973752436440099
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the clinical setting of histopathology, whole-slide image (WSI) artifacts frequently arise, distorting regions of interest, and having a pernicious impact on WSI analysis. Image-to-image translation networks such as CycleGANs are in principle capable of learning an artifact removal function from unpaired data. However, we identify a surjection problem with artifact removal, and propose an weakly-supervised extension to CycleGAN to address this. We assemble a pan-cancer dataset comprising artifact and clean tiles from the TCGA database. Promising results highlight the soundness of our method.
Abstract（参考訳）: 病理組織学的には,wsi(whole-slide image)アーティファクトが頻繁に出現し,興味領域が歪められ,wsi分析に悪影響を及ぼす。 CycleGANのような画像から画像への変換ネットワークは、原則として、未使用のデータからアーティファクト削除関数を学習することができる。しかし,アーティファクト除去に関する全射問題を特定し,それに対処するためにcycleganの弱い教師付き拡張を提案する。 TCGAデータベースからアーティファクトとクリーンタイルからなるパン缶データセットを作成した。提案手法は,提案手法の音質を推定する。

関連論文リスト

Rethinking the Up-Sampling Operations in CNN-based Generative Network for Generalizable Deepfake Detection [86.97062579515833]
我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。 tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
論文参考訳（メタデータ） (2023-12-16T14:27:06Z)
Artifact Restoration in Histology Images with Diffusion Probabilistic Models [10.016731839549259]
組織学的全スライド画像(WSI)は通常、組織の折り畳みや気泡などの人工物によって妥協される。既存のアーティファクト画像復元手法はGAN(Generative Adversarial Networks)に限られている組織学的アーティファクト修復(ArtiFusion)のための拡散確率モデルの最初の試みを行う。
論文参考訳（メタデータ） (2023-07-26T15:50:02Z)
FreeSeed: Frequency-band-aware and Self-guided Network for Sparse-view CT Reconstruction [34.91517935951518]
スパース・ビュー・コンピュート・トモグラフィー(CT)は, 患者への放射線曝露を迅速化し, 患者への放射線照射を緩和するための, 有望な方法である。近年,深層学習に基づく画像後処理手法が有望な成果を上げている。本稿では,FREquency-band-awarEとSelf-guidedを併用したFREquency-band-awarEとSelf-guidedネットワークを提案する。
論文参考訳（メタデータ） (2023-07-12T03:39:54Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Artifact Reduction in Fundus Imaging using Cycle Consistent Adversarial Neural Networks [0.0]
ディープラーニングは、人間の介入をあまり必要とせずにデータからパターンを抽出する強力なツールである。根底のイメージに存在するこれらのアーティファクトを自動的に修正する試みが試みられている。残余ブロックからなるCycleGANベースのモデルを用いて,画像中のアーティファクトを削減する。
論文参考訳（メタデータ） (2021-12-25T18:05:48Z)
Learning MRI Artifact Removal With Unpaired Data [74.48301038665929]
振り返りアーティファクト補正(RAC)は、画像の質を向上し、画像のユーザビリティを向上させる。最近のRACの機械学習駆動技術は、主に教師付き学習に基づいている。ここでは、不要な画像アーティファクトを、未ペアデータで学習したRACニューラルネットワークを介して、画像から切り離し、取り除くことができることを示す。
論文参考訳（メタデータ） (2021-10-09T16:09:27Z)
Unsupervised Anomaly Segmentation using Image-Semantic Cycle Translation [31.396372591714695]
unsupervised anomaly segmentation (UAS) は医療画像コミュニティにおいて有望な分野である。本稿では,健康データ分布のモデル化過程における健康な解剖学の意味空間について紹介する。 BraTSとISLESデータベースの実験結果は、提案されたアプローチが大幅に優れたパフォーマンスを達成することを示しています。
論文参考訳（メタデータ） (2021-03-16T14:15:30Z)
Weakly- and Semi-Supervised Probabilistic Segmentation and Quantification of Ultrasound Needle-Reverberation Artifacts to Allow Better AI Understanding of Tissue Beneath Needles [0.0]
人工物から所望の組織ベースのピクセル値を分離する確率論的ニードル・アンド・レバーベーション・アーティファクトセグメンテーション法を提案する。提案手法は,最先端のアーティファクトセグメンテーション性能と一致し,アーティファクトの画素ごとのコントリビューションを,基礎となる解剖学に対して推定する新しい標準を設定する。
論文参考訳（メタデータ） (2020-11-24T08:34:38Z)
Polyp-artifact relationship analysis using graph inductive learned representations [52.900974021773024]
大腸癌の診断プロセスは主にポリープ(polyps)として知られる大腸組織における異常増殖の局在と特徴づけに焦点を当てている。近年の深層物体の局在化の進展にもかかわらず、組織と高レベルのアーティファクトとの類似性により、ポリープの局在化は依然として困難である。近年の研究では、ポリプ検出タスクにおける人工物の存在が負の影響を示しており、トレーニングプロセスの中でそれらを考慮し始めている。
論文参考訳（メタデータ） (2020-09-15T13:56:39Z)
Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文参考訳（メタデータ） (2020-05-05T11:08:26Z)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。