論文の概要: Challenging mitosis detection algorithms: Global labels allow centroid localization

• arxiv url: http://arxiv.org/abs/2211.16852v1
• Date: Wed, 30 Nov 2022 09:52:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 17:50:20.507899
• Title: Challenging mitosis detection algorithms: Global labels allow centroid localization
• Title（参考訳）: 有糸分裂検出アルゴリズム:グローバルラベルはセントロイド局在を許容する
• Authors: Claudio Fernandez-Mart\'in, Umay Kiraz, Julio Silva-Rodr\'iguez, Sandra Morales, Emiel Janssen, Valery Naranjo
• Abstract要約: ミトコンドリア活性は、異なる種類のがんの診断と予後にとって重要なバイオマーカーである。 本研究では,複雑なシナリオを避けることを提案し,パッチのイメージレベルラベルのみを用いて,ローカライズタスクを弱教師付きで実行する。 TUPAC16データセットで得られた結果は、ひとつのトレーニングフェーズのみを使用して、最先端の手法と競合する。
• 参考スコア（独自算出の注目度）: 1.7382198387953947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mitotic activity is a crucial proliferation biomarker for the diagnosis and prognosis of different types of cancers. Nevertheless, mitosis counting is a cumbersome process for pathologists, prone to low reproducibility, due to the large size of augmented biopsy slides, the low density of mitotic cells, and pattern heterogeneity. To improve reproducibility, deep learning methods have been proposed in the last years using convolutional neural networks. However, these methods have been hindered by the process of data labelling, which usually solely consist of the mitosis centroids. Therefore, current literature proposes complex algorithms with multiple stages to refine the labels at pixel level, and to reduce the number of false positives. In this work, we propose to avoid complex scenarios, and we perform the localization task in a weakly supervised manner, using only image-level labels on patches. The results obtained on the publicly available TUPAC16 dataset are competitive with state-of-the-art methods, using only one training phase. Our method achieves an F1-score of 0.729 and challenges the efficiency of previous methods, which required multiple stages and strong mitosis location information.
• Abstract（参考訳）: ミトコンドリア活性は、様々な種類のがんの診断と予後にとって重要な増殖バイオマーカーである。 それでも、有糸分裂は病理学者にとって厄介なプロセスであり、拡張生検スライドの大きさ、有糸分裂細胞の密度の低さ、パターンの不均一性のために再現性が低い傾向にある。 再現性を改善するため,近年,畳み込みニューラルネットワークを用いたディープラーニング手法が提案されている。 しかし、これらの手法はデータラベリングのプロセスによって妨げられ、通常はミトーシスセントロイドのみから構成される。 したがって、現在の文献では、複数の段階からなる複雑なアルゴリズムを提案し、画素レベルでラベルを洗練させ、偽陽性の数を減らす。 本研究では,複雑なシナリオを避けることを提案し,パッチのイメージレベルラベルのみを用いて,ローカライズタスクを弱教師付きで実行する。 TUPAC16データセットで得られた結果は、ひとつのトレーニングフェーズのみを使用して、最先端の手法と競合する。 提案手法は0.729のf1スコアを達成し,複数の段階と強い分裂位置情報を必要とする従来手法の効率に挑戦する。

関連論文リスト

• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Two-stage Joint Transductive and Inductive learning for Nuclei Segmentation [3.138395828947902]
  我々は、利用可能なラベル付きおよび非ラベル付きデータを活用する、核分割に対する新しいアプローチを提案する。 提案手法の有効性と可能性を実証するために,MoNuSegベンチマークに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2023-11-15T08:37:11Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Semi-supervised binary classification with latent distance learning [0.0]
  そこで本稿では,ランダムなk対クロス距離学習機構を持つラベルを用いて,二項分類問題を解くための新しい学習表現を提案する。 ラベルが少なく、データ拡張技術がないため、提案手法は最先端の半教師あり自己教師あり学習法より優れていた。
  論文  参考訳（メタデータ） (2022-11-28T09:05:26Z)
• PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
  医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。 本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
  論文  参考訳（メタデータ） (2022-07-24T07:45:47Z)
• Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
  我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。 地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
  論文  参考訳（メタデータ） (2022-05-06T08:37:02Z)
• Deep Semi-supervised Metric Learning with Dual Alignment for Cervical Cancer Cell Detection [49.78612417406883]
  子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。 私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。 本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
  論文  参考訳（メタデータ） (2021-04-07T17:11:27Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Bayesian Generative Models for Knowledge Transfer in MRI Semantic Segmentation Problems [15.24006130659201]
  本稿では,遺伝ベイズ先行ネットワークを用いた疾患間の知識伝達手法を提案する。 提案手法はトレーニング前のアプローチとランダム初期化と比較し,脳腫瘍-2018データベースの小さな部分集合に対するDice similarity Coefficientの測定値から最良の結果を得る。
  論文  参考訳（メタデータ） (2020-05-26T11:42:17Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)
• Residual Block-based Multi-Label Classification and Localization Network with Integral Regression for Vertebrae Labeling [4.867669606257232]
  既存の方法は、主に複数のニューラルネットワークの統合に基づいており、そのほとんどは、ガウス熱マップを用いて椎骨のセンチロイドを探索している。 本研究では,CTスキャンにおける脊椎座標のエンドツーエンド差分訓練について,頑健かつ高精度な自動椎体ラベル付けアルゴリズムを提案する。 提案手法は挑戦的なデータセット上で評価され,その結果は最先端の手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2020-01-01T09:16:10Z)

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。