論文の概要: Deformable Proposal-Aware P2PNet: A Universal Network for Cell
Recognition under Point Supervision
- arxiv url: http://arxiv.org/abs/2303.02602v1
- Date: Sun, 5 Mar 2023 08:02:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 18:43:16.625833
- Title: Deformable Proposal-Aware P2PNet: A Universal Network for Cell
Recognition under Point Supervision
- Title（参考訳）: deformable proposal-aware p2pnet : ポイント監督下での細胞認識のためのユニバーサルネットワーク
- Authors: Zhongyi Shui, Sunyi Zheng, Xiaoxuan Yu, Shichuan Zhang, Honglin Li,
Jingxiong Li, Lin Yang
- Abstract要約: 近年,P2PNet(point-to-point Network)がセル認識の精度と効率を向上している。
本研究では,変形可能な提案型P2PNet(DPA-P2PNet)を提案する。
- 参考スコア（独自算出の注目度）: 6.823186489096578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Point-based cell recognition, which aims to localize and classify cells
present in a pathology image, is a fundamental task in digital pathology image
analysis. The recently developed point-to-point network (P2PNet) has achieved
unprecedented cell recognition accuracy and efficiency compared to methods that
rely on intermediate density map representations. However, P2PNet could not
leverage multi-scale information since it can only decode a single feature map.
Moreover, the distribution of predefined point proposals, which is determined
by data properties, restricts the resolution of the feature map to decode,
i.e., the encoder design. To lift these limitations, we propose a variant of
P2PNet named deformable proposal-aware P2PNet (DPA-P2PNet) in this study. The
proposed method uses coordinates of point proposals to directly extract
multi-scale region-of-interest (ROI) features for feature enhancement. Such a
design also opens up possibilities to exploit dynamic distributions of
proposals. We further devise a deformation module to improve the proposal
quality. Extensive experiments on four datasets with various staining styles
demonstrate that DPA-P2PNet outperforms the state-of-the-art methods on
point-based cell recognition, which reveals the high potentiality in assisting
pathologist assessments.
- Abstract（参考訳）: 病理画像中の細胞をローカライズし,分類することを目的としたポイントベース細胞認識は,デジタル病理画像解析における基本的な課題である。
最近開発されたP2PNet(point-to-point Network)は、中間密度マップ表現に依存する手法に比べて、前例のない精度と効率を実現している。
しかし、P2PNetは単一の特徴マップしかデコードできないため、マルチスケール情報を活用できなかった。
さらに、データプロパティによって決定される事前定義されたポイント提案の分布は、デコード(エンコーダ設計)に特徴マップの解像度を制限する。
そこで本研究では, 変形可能な提案型P2PNet(DPA-P2PNet)を提案する。
提案手法は点提案の座標を用いて,機能拡張のためのマルチスケール領域(ROI)特徴を直接抽出する。
このような設計は、提案の動的分布を利用する可能性も開ける。
さらに,提案品質を向上させるために変形モジュールを考案する。
様々な染色スタイルを持つ4つのデータセットに関する広範囲な実験は、dpa-p2pnetがポイントベースの細胞認識における最先端の手法よりも優れていることを示している。
関連論文リスト
- 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) - Distribution Aligned Diffusion and Prototype-guided network for
Unsupervised Domain Adaptive Segmentation [19.043268288432156]
教師なしドメイン適応セグメンテーションのための拡散型およびプロトタイプ誘導型ネットワーク(DP-Net)を提案する。
提案手法の性能は信頼性が高く,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-03-22T05:03:14Z) - Point-to-Box Network for Accurate Object Detection via Single Point
Supervision [51.95993495703855]
オフ・ザ・シェルフ提案法(OTSP)の軽量な代替手法を提案する。
P2BNetは、アンカーのような方法で提案を生成することで、オブジェクト間のバランスの取れた提案バッグを構築することができる。
コードはCOCO.com/ucas-vg/P2BNetでリリースされる。
論文 参考訳（メタデータ） (2022-07-14T11:32:00Z) - End-to-end cell recognition by point annotation [5.130998755172569]
本稿では,事前設定されたアンカーポイントに対して,直接回帰と分類を適用するエンドツーエンドフレームワークを提案する。
具体的には,低レベル特徴と高レベル意味論を同時に組み合わせたピラミッド型特徴集合戦略を提案する。
さらに,基本事実と予測点とを一致させて,マルチタスク学習フレームワークを適応させる最適化コスト関数を設計した。
論文 参考訳（メタデータ） (2022-07-01T02:44:58Z) - TC-Net: Triple Context Network for Automated Stroke Lesion Segmentation [0.5482532589225552]
本稿では,空間的コンテキスト情報を中心として,新たなネットワークである Triple Context Network (TC-Net) を提案する。
我々のネットワークはオープンデータセットATLASで評価され、最高スコアは0.594、ハウスドルフ距離は27.005mm、平均対称性表面距離は7.137mmである。
論文 参考訳（メタデータ） (2022-02-28T11:12:16Z) - Rethinking Counting and Localization in Crowds:A Purely Point-Based
Framework [59.578339075658995]
そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。
我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
論文 参考訳（メタデータ） (2021-07-27T11:41:50Z) - CPP-Net: Context-aware Polygon Proposal Network for Nucleus Segmentation [71.81734047345587]
核分割のためのコンテキストアウェアポリゴンプロポーザルネットワーク(CPP-Net)を提案する。
まず、距離予測のために各セル内の1つのピクセルではなく1つのポイントセットをサンプリングする。
次に,サンプリングされた点集合から予測を適応的に融合する信頼度に基づく重み付けモジュールを提案する。
第3に,予測された多角形形状を制約した新しい形状認識損失(sap)を提案する。
論文 参考訳（メタデータ） (2021-02-13T05:59:52Z) - PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object
Detection [57.49788100647103]
LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。
現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。
本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
論文 参考訳（メタデータ） (2020-12-18T18:06:43Z) - 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) - D-VPnet: A Network for Real-time Dominant Vanishing Point Detection in
Natural Scenes [3.8170259685864165]
バリシングポイント(VP)は、オブジェクトを2D写真から3D空間にマッピングするための有用なヒントを提供する。
自然界における支配的なVPを検出するために,新しい畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳（メタデータ） (2020-06-09T17:12:27Z)
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。