論文の概要: Structure Embedded Nucleus Classification for Histopathology Images

• arxiv url: http://arxiv.org/abs/2302.11416v1
• Date: Wed, 22 Feb 2023 14:52:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 14:54:42.909139
• Title: Structure Embedded Nucleus Classification for Histopathology Images
• Title（参考訳）: 病理組織像のための構造埋め込み核分類
• Authors: Wei Lou, Xiang Wan, Guanbin Li, Xiaoying Lou, Chenghang Li, Feng Gao, Haofeng Li
• Abstract要約: ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。 本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。 次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
• 参考スコア（独自算出の注目度）: 51.02953253067348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nuclei classification provides valuable information for histopathology image analysis. However, the large variations in the appearance of different nuclei types cause difficulties in identifying nuclei. Most neural network based methods are affected by the local receptive field of convolutions, and pay less attention to the spatial distribution of nuclei or the irregular contour shape of a nucleus. In this paper, we first propose a novel polygon-structure feature learning mechanism that transforms a nucleus contour into a sequence of points sampled in order, and employ a recurrent neural network that aggregates the sequential change in distance between key points to obtain learnable shape features. Next, we convert a histopathology image into a graph structure with nuclei as nodes, and build a graph neural network to embed the spatial distribution of nuclei into their representations. To capture the correlations between the categories of nuclei and their surrounding tissue patterns, we further introduce edge features that are defined as the background textures between adjacent nuclei. Lastly, we integrate both polygon and graph structure learning mechanisms into a whole framework that can extract intra and inter-nucleus structural characteristics for nuclei classification. Experimental results show that the proposed framework achieves significant improvements compared to the state-of-the-art methods.
• Abstract（参考訳）: 核分類は病理組織学画像解析に有用な情報を提供する。 しかし、異なる核種の出現における大きな変化は、核の同定に困難を引き起こす。 ほとんどのニューラルネットワークベースの方法は畳み込みの局所受容場に影響され、核の空間分布や核の不規則な輪郭形状にはあまり注意を払わない。 本稿では、まず、核の輪郭を順番にサンプリングされた点列に変換する新しいポリゴン構造特徴学習機構を提案し、キーポイント間の連続的な変化を集約して学習可能な形状特徴を得るリカレントニューラルネットワークを用いる。 次に,病理像を核をノードとするグラフ構造に変換し,その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。 核のカテゴリと周囲の組織パターンの相関を捉えるため、隣接した核間の背景テクスチャとして定義されるエッジの特徴をさらに導入する。 最後に,我々は多角形とグラフ構造学習機構を,核内および核間構造特性を抽出する枠組み全体に組み入れた。 実験の結果,提案手法は最先端手法に比べて大幅な改善が得られた。

関連論文リスト

• Cell Graph Transformer for Nuclei Classification [78.47566396839628]
  我々は,ノードとエッジを入力トークンとして扱うセルグラフ変換器(CGT)を開発した。 不愉快な特徴は、騒々しい自己注意スコアと劣等な収束につながる可能性がある。 グラフ畳み込みネットワーク(GCN)を利用して特徴抽出器を学習する新しいトポロジ対応事前学習法を提案する。
  論文  参考訳（メタデータ） (2024-02-20T12:01:30Z)
• SEINE: Structure Encoding and Interaction Network for Nuclei Instance Segmentation [15.769396833096149]
  同様に、クロモフォブ核の核内領域と核外領域の視覚的表現は、しばしば低セグメンテーションを引き起こす。 現在の手法では核構造の探索が欠如しており、結果として断片化されたインスタンス予測がもたらされる。 本稿では,原子核の構造モデリング手法を開発する構造符号化・相互作用ネットワークSEINEを提案する。
  論文  参考訳（メタデータ） (2024-01-18T07:44:04Z)
• Prompt-based Grouping Transformer for Nucleus Detection and Classification [70.55961378096116]
  核の検出と分類は、疾患の診断に有効な情報を生み出す。 既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。 グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-22T04:50:48Z)
• Nuclei panoptic segmentation and composition regression with multi-task deep neural networks [0.12183405753834559]
  本報告では,Crocol Nuclei Identification and Counting (CoNIC) に提案した手法について述べる。 提案手法では, マルチタスク学習フレームワークを用いて, 単視分割タスクと回帰タスクを実行する。 パノプティカルセグメンテーションタスクでは、エンコーダ-デコーダ型ディープニューラルネットワークを用いて方向マップとセグメンテーションマップを予測し、近隣の核を異なるインスタンスに分割する。
  論文  参考訳（メタデータ） (2022-02-23T22:09:37Z)
• Neuroplastic graph attention networks for nuclei segmentation in histopathology images [17.30043617044508]
  細胞核のセマンティックセグメンテーションのための新しいアーキテクチャを提案する。 このアーキテクチャは、新しい神経可塑性グラフアテンションネットワークで構成されている。 実験的な評価では、我々のフレームワークは最先端のニューラルネットワークのアンサンブルよりも優れています。
  論文  参考訳（メタデータ） (2022-01-10T22:19:14Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• 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)
• Bend-Net: Bending Loss Regularized Multitask Learning Network for Nuclei Segmentation in Histopathology Images [65.47507533905188]
  重なり合う核を正確に分離するために、曲げ損失正規化器を備えた新しいマルチタスク学習ネットワークを提案する。 新たに提案されたマルチタスク学習アーキテクチャは、3つのタスクから共有表現を学習することで一般化を促進する。 提案した曲げ損失は,輪郭点を大きな曲率で囲むために高いペナルティを定義し,小さな曲率で凸輪郭点に小さなペナルティを適用した。
  論文  参考訳（メタデータ） (2021-09-30T17:29:44Z)
• 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)

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。