Fugu-MT 論文翻訳(概要): A novel dataset and a two-stage mitosis nuclei detection method based on hybrid anchor branch

論文の概要: A novel dataset and a two-stage mitosis nuclei detection method based on hybrid anchor branch

arxiv url: http://arxiv.org/abs/2301.07627v1
Date: Wed, 18 Jan 2023 16:11:09 GMT
ステータス: 処理完了
システム内更新日: 2023-01-19 15:23:26.792413
Title: A novel dataset and a two-stage mitosis nuclei detection method based on hybrid anchor branch
Title（参考訳）: ハイブリッドアンカー分岐に基づく新しいデータセットと2段階ミトーシス核検出法
Authors: Huadeng Wang, Hao Xu, Bingbing Li, Xipeng Pan, Lingqi Zeng, Rushi Lan, Xiaonan Luo
Abstract要約: 有糸分裂検出のための2段階カスケードネットワークFoCasNetを提案する。第1段階では、可能な限り多くのミトースを検出するために、M_detと呼ばれる検出ネットワークが提案されている。第2段階では、第1段階の結果を洗練させるために分類ネットワークM_classを提案する。
参考スコア（独自算出の注目度）: 12.701748529240183
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Mitosis detection is one of the challenging problems in computational pathology, and mitotic count is an important index of cancer grading for pathologists. However, current counts of mitotic nuclei rely on pathologists looking microscopically at the number of mitotic nuclei in hot spots, which is subjective and time-consuming. In this paper, we propose a two-stage cascaded network, named FoCasNet, for mitosis detection. In the first stage, a detection network named M_det is proposed to detect as many mitoses as possible. In the second stage, a classification network M_class is proposed to refine the results of the first stage. In addition, the attention mechanism, normalization method, and hybrid anchor branch classification subnet are introduced to improve the overall detection performance. Our method achieves the current highest F1-score of 0.888 on the public dataset ICPR 2012. We also evaluated our method on the GZMH dataset released by our research team for the first time and reached the highest F1-score of 0.563, which is also better than multiple classic detection networks widely used at present. It confirmed the effectiveness and generalization of our method. The code will be available at: https://github.com/antifen/mitosis-nuclei-detection.
Abstract（参考訳）: マイトシス検出は計算病理学における課題の一つであり, マイトシスカウントは病理学者にとって重要ながん診断指標である。しかし、現在の有糸分裂核数は、主観的で時間を要するホットスポットにおける有糸分裂核の数を顕微鏡的に見る病理学者に依存している。本稿では,ミトーシス検出のための2段階カスケードネットワークFoCasNetを提案する。第1段階ではm_detと呼ばれる検出ネットワークが提案され、できるだけ多くのミトースを検出する。第2段階では,第1段階の結果を洗練するために分類ネットワークm_classを提案する。また、全体的な検出性能を向上させるため、注意機構、正規化方法、ハイブリッドアンカー分岐分類サブネットを導入する。提案手法は, ICPR 2012 において 0.888 のF1スコアを達成している。また,本研究チームによって初めてリリースされたgzmhデータセットについて評価を行い,現在広く使用されている複数の古典的検出ネットワークよりも優れた0.563のf1スコアに達した。本手法の有効性と一般化を確認した。コードはhttps://github.com/antifen/mitosis-nuclei-detectionで入手できる。

関連論文リスト

Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文参考訳（メタデータ） (2023-10-22T02:27:02Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
A Novel Dataset and a Deep Learning Method for Mitosis Nuclei Segmentation and Classification [10.960222475663006]
ミトコンドリア核数(Mitosis nuclear count)は乳癌の病理診断における重要な指標の1つである。そこで本研究では,SCMitosisという2段階のミトーシスセグメンテーションと分類法を提案する。提案モデルはICPR 2012データセット上で検証され、最高Fスコア値は0.8687である。
論文参考訳（メタデータ） (2022-12-27T08:12:42Z)
ReCasNet: Improving consistency within the two-stage mitosis detection framework [5.263015177621435]
既存のアプローチでは、潜在的な有糸分裂細胞の位置を特定するための検出ステージと、予測信頼性を精査するための分類ステージという、2段階のパイプラインが使用されている。このパイプライン定式化は、検出段階の予測品質の低下と、トレーニングデータ分布のミスマッチによる分類段階の不整合につながる可能性がある。 Refine Cascade Network(ReCasNet)は,先述した問題を3つの改善で軽減する,拡張されたディープラーニングパイプラインである。
論文参考訳（メタデータ） (2022-02-28T16:03:14Z)
PointNu-Net: Keypoint-assisted Convolutional Neural Network for Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification [23.466331358975044]
ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
論文参考訳（メタデータ） (2021-11-01T08:29:40Z)
Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文参考訳（メタデータ） (2021-08-23T12:06:00Z)
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)
C-Net: A Reliable Convolutional Neural Network for Biomedical Image Classification [6.85316573653194]
生体医用画像の分類を行うために,C-Netと呼ばれる複数のネットワークの結合からなる新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 C-Netモデルは、両方のデータセットの個々のメトリクスにおける他のモデルよりも優れており、誤分類はゼロである。
論文参考訳（メタデータ） (2020-10-30T20:03:20Z)
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)
Deep Feature Fusion for Mitosis Counting [0.0]
有糸分裂細胞数は、乳がんの攻撃性または品位を評価する最も一般的な検査の1つである。ディープラーニングネットワークは、興味のある領域を自動的にローカライズできる医療アプリケーションに適用されている。提案手法は,オブジェクト検出のための高速RCNNを利用して,RGB画像特徴を持つUNetによって生成されたセグメンテーション機能を融合させ,MITOS-ATYPIA 2014 mitosis counting Challengeデータセット上で0.508のFスコアを達成する。
論文参考訳（メタデータ） (2020-02-01T20:20:00Z)
MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
論文参考訳（メタデータ） (2020-01-28T18:25:15Z)

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。