論文の概要: Deep learning-based method for segmenting epithelial layer of tubules in histopathological images of testicular tissue

• arxiv url: http://arxiv.org/abs/2301.09887v1
• Date: Tue, 24 Jan 2023 09:46:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-25 14:01:45.316872
• Title: Deep learning-based method for segmenting epithelial layer of tubules in histopathological images of testicular tissue
• Title（参考訳）: 深層学習による精巣組織の組織像における尿細管上皮層分画法
• Authors: Azadeh Fakhrzadeh, Pouya Karimian, Mahsa Meyari, Cris L. Luengo Hendriks, Lena Holm, Christian Sonne, Rune Dietz, Ellinor Sp\"orndly-Nees
• Abstract要約: 精巣組織の組織像を自動処理する手法を提案する。 半核管の上皮層を分割するためのエンコーダ・デコーダ完全連結畳み込みニューラルネットワーク(F-CNN)モデルを提案する。 提案法は, 哺乳動物の精巣組織像に応用できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is growing concern that male reproduction is affected by environmental chemicals. One way to determine the adverse effect of environmental pollutants is to use wild animals as monitors and evaluate testicular toxicity using histopathology. Automated methods are necessary tools in the quantitative assessment of histopathology to overcome the subjectivity of manual evaluation and accelerate the process. We propose an automated method to process histology images of testicular tissue. Segmenting the epithelial layer of the seminiferous tubule is a prerequisite for developing automated methods to detect abnormalities in tissue. We suggest an encoder-decoder fully connected convolutional neural network (F-CNN) model to segment the epithelial layer of the seminiferous tubules in histological images. Using ResNet-34 modules in the encoder adds a shortcut mechanism to avoid the gradient vanishing and accelerate the network convergence. The squeeze & excitation (SE) attention block is integrated into the encoding module improving the segmentation and localization of epithelium. We applied the proposed method for the 2-class problem where the epithelial layer of the tubule is the target class. The f-score and IoU of the proposed method are 0.85 and 0.92. Although the proposed method is trained on a limited training set, it performs well on an independent dataset and outperforms other state-of-the-art methods. The pretrained ResNet-34 in the encoder and attention block suggested in the decoder result in better segmentation and generalization. The proposed method can be applied to testicular tissue images from any mammalian species and can be used as the first part of a fully automated testicular tissue processing pipeline. The dataset and codes are publicly available on GitHub.
• Abstract（参考訳）: 男性生殖が環境化学物質の影響を受けているとの懸念が高まっている。 環境汚染物質の悪影響を決定する一つの方法は、野生動物をモニターとして使用し、病理組織学を用いて精巣毒性を評価することである。 自動的手法は, 組織病理の定量的評価において, 手動評価の主観性を克服し, プロセスを加速するために必要な手段である。 精巣組織の組織像を自動処理する手法を提案する。 半niferous tubeuleの上皮層を分画することは、組織の異常を検出する自動化方法を開発するための前提条件である。 本論文では,半円管の上皮層を組織像で区分するエンコーダ-デコーダ完全連結畳み込みニューラルネットワーク(f-cnn)モデルを提案する。 エンコーダでResNet-34モジュールを使用すると、勾配の消失を回避し、ネットワーク収束を加速するショートカット機構が追加される。 圧縮・励起(se)注意ブロックを、上皮のセグメンテーション及び局在性を改善する符号化モジュールに統合する。 管の上皮層がターゲットクラスである2クラス問題に対して,提案手法を適用した。 提案手法のf-score と iou は 0.85 と 0.92 である。 提案手法は限られた訓練セットで訓練されるが、独立データセット上では良好に動作し、他の最先端手法よりも優れる。 エンコーダの事前訓練されたResNet-34とデコーダのアテンションブロックにより,セグメンテーションと一般化が向上する。 提案法は, 哺乳動物由来の精巣組織画像に適用でき, 完全自動化精巣組織処理パイプラインの第1部として利用することができる。 データセットとコードはGitHubで公開されている。

関連論文リスト

• AWGUNET: Attention-Aided Wavelet Guided U-Net for Nuclei Segmentation in Histopathology Images [26.333686941245197]
  本稿では,U-NetアーキテクチャとDenseNet-121バックボーンを組み合わせたセグメンテーション手法を提案する。 本モデルでは,ウェーブレット誘導チャネルアテンションモジュールを導入し,セル境界のデライン化を促進させる。 その結果,Mouseg と TNBC の2つの病理組織学的データセットを用いて,提案モデルの優位性を実証した。
  論文  参考訳（メタデータ） (2024-06-12T17:10:27Z)
• Learning Low-Rank Feature for Thorax Disease Classification [7.447448767095787]
  本稿では胸部疾患分類について検討する。 疾患領域の特徴の効果的な抽出は, 放射線画像上の疾患分類に不可欠である。 本稿では,Low-Rank Feature Learning (LRFL)法を提案する。
  論文  参考訳（メタデータ） (2024-02-14T15:35:56Z)
• CV-Attention UNet: Attention-based UNet for 3D Cerebrovascular Segmentation of Enhanced TOF-MRA Images [2.2265536092123006]
  脳血管画像の正確な抽出にはCV-AttentionUNetと呼ばれる3次元脳血管注意UNet法を提案する。 低と高のセマンティクスを組み合わせるために,注意機構を適用した。 このアルゴリズムの新規性は、ラベル付きデータとラベルなしデータの両方でうまく機能する能力にあると考えています。
  論文  参考訳（メタデータ） (2023-11-16T22:31:05Z)
• 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)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• Hybrid guiding: A multi-resolution refinement approach for semantic segmentation of gigapixel histopathological images [0.7490318169877296]
  セマンティックセグメンテーションのための、H2G-Netと呼ばれるカスケード畳み込みニューラルネットワーク設計を提案する。 設計にはパッチワイズ方式による検出段階と、畳み込みオートエンコーダを用いた改良段階が含まれる。 最高の設計は90 WSIの独立したテストセットでDiceスコア0.933を達成した。
  論文  参考訳（メタデータ） (2021-12-07T02:31:29Z)
• Localized Perturbations For Weakly-Supervised Segmentation of Glioma Brain Tumours [0.5801621787540266]
  本研究は,脳腫瘍のセグメンテーションマスクを事前訓練した3次元分類モデルから抽出するための,局所摂動を弱教師付きソリューションとして用いることを提案する。 また,U-netアーキテクチャを用いて,任意の分類において最も関連性の高い領域を見つけるために,3次元スーパーピクセルを利用する新しい摂動法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T21:01:20Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• 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)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• 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)

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。