論文の概要: Effective Pseudo-Labeling based on Heatmap for Unsupervised Domain
Adaptation in Cell Detection
- arxiv url: http://arxiv.org/abs/2303.05269v1
- Date: Thu, 9 Mar 2023 14:03:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 14:39:58.501698
- Title: Effective Pseudo-Labeling based on Heatmap for Unsupervised Domain
Adaptation in Cell Detection
- Title（参考訳）: 細胞検出における教師なし領域適応のためのヒートマップに基づく効果的な擬似ラベル作成
- Authors: Hyeonwoo Cho, Kazuya Nishimura, Kazuhide Watanabe, Ryoma Bise
- Abstract要約: 擬似セル配置熱マップを用いた細胞検出のための教師なし領域適応手法を提案する。
対象領域の予測結果では、ピーク位置が正しいとしても、ピーク周辺の信号分布は非ガウス形状であることが多い。
本手法は,不確実性とカリキュラム学習に基づく疑似セル配置熱マップを選択する。
- 参考スコア（独自算出の注目度）: 6.862925771672301
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cell detection is an important task in biomedical research. Recently, deep
learning methods have made it possible to improve the performance of cell
detection. However, a detection network trained with training data under a
specific condition (source domain) may not work well on data under other
conditions (target domains), which is called the domain shift problem. In
particular, cells are cultured under different conditions depending on the
purpose of the research. Characteristics, e.g., the shapes and density of the
cells, change depending on the conditions, and such changes may cause domain
shift problems. Here, we propose an unsupervised domain adaptation method for
cell detection using a pseudo-cell-position heatmap, where the cell centroid is
at the peak of a Gaussian distribution in the map and selective
pseudo-labeling. In the prediction result for the target domain, even if the
peak location is correct, the signal distribution around the peak often has a
non-Gaussian shape. The pseudo-cell-position heatmap is thus re-generated using
the peak positions in the predicted heatmap to have a clear Gaussian shape. Our
method selects confident pseudo-cell-position heatmaps based on uncertainty and
curriculum learning. We conducted numerous experiments showing that, compared
with the existing methods, our method improved detection performance under
different conditions.
- Abstract（参考訳）: 細胞検出は生物医学研究において重要な課題である。
近年,深層学習により細胞検出の性能向上が図られている。
しかしながら、特定の条件下でトレーニングされたデータ(ソースドメイン)でトレーニングされた検出ネットワークは、ドメインシフト問題と呼ばれる他の条件(ターゲットドメイン)のデータではうまく動作しない可能性がある。
特に、細胞は研究の目的に応じて異なる条件下で培養される。
特性、例えば細胞の形状や密度は条件によって変化し、そのような変化はドメインシフト問題を引き起こす可能性がある。
本稿では,セルセントロイドがガウス分布のピークと選択的擬似ラベルである擬似セル配置ヒートマップを用いて,セル検出のための教師なしドメイン適応法を提案する。
対象領域の予測結果では、ピーク位置が正しいとしても、ピーク周辺の信号分布は非ガウス形状であることが多い。
擬似セル配置熱マップは、予測された熱マップのピーク位置を用いて再生成され、透明なガウス形状となる。
本手法は,不確実性とカリキュラム学習に基づく疑似セル配置熱マップを選択する。
提案手法は,既存手法と比較して,異なる条件下での検出性能が向上したことを示す。
関連論文リスト
- Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
生物学的文脈における暗黙の対応の重要性を明らかにする。
モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
論文 参考訳（メタデータ） (2024-07-14T04:41:16Z) - One-class anomaly detection through color-to-thermal AI for building
envelope inspection [0.0]
本研究では,建築封筒のサーモグラフィ検査における異常検出のためのラベルフリー手法を提案する。
これは、カラー画像からの熱分布を予測するAIによる予測に基づいている。
論文 参考訳（メタデータ） (2024-02-05T12:41:30Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳（メタデータ） (2023-05-23T02:14:11Z) - Adapting to Latent Subgroup Shifts via Concepts and Proxies [82.01141290360562]
最適ターゲット予測器は、ソースドメインでのみ利用できる概念とプロキシ変数の助けを借りて、非パラメトリックに識別可能であることを示す。
本研究では,データ生成プロセスに特有の潜在変数モデルを提案する。
論文 参考訳（メタデータ） (2022-12-21T18:30:22Z) - Frequency Spectrum Augmentation Consistency for Domain Adaptive Object
Detection [107.52026281057343]
周波数スペクトル拡張整合(FSAC)フレームワークを4種類の低周波フィルタで構成する。
最初の段階では、オリジナルおよび拡張されたソースデータを全て利用して、オブジェクト検出器を訓練する。
第2段階では、予測一貫性のための自己学習を行うために、擬似ラベル付き拡張現実とターゲットデータを採用する。
論文 参考訳（メタデータ） (2021-12-16T04:07:01Z) - Cryo-shift: Reducing domain shift in cryo-electron subtomograms with
unsupervised domain adaptation and randomization [17.921052986098946]
サブトモグラムの分類と認識は、マクロ分子構造の体系的な回復の第一段階である。
教師付き深層学習法は, サブトモグラム分類において, 精度が高く, 効率的であることが証明されている。
我々は、ディープラーニングに基づくクロスドメインサブトモグラム分類のための、完全に教師なしのドメイン適応およびランダム化フレームワークであるCryo-Shiftを提案する。
論文 参考訳（メタデータ） (2021-11-17T13:43:36Z) - Convolutional generative adversarial imputation networks for
spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。
提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文 参考訳（メタデータ） (2021-11-03T03:50:48Z) - Cell Detection in Domain Shift Problem Using Pseudo-Cell-Position
Heatmap [9.080472817672264]
特定の条件下でのトレーニングデータ(ソースドメイン)で訓練された検出ネットワークは、他の条件下でのデータ(ターゲットドメイン)ではうまく動作しない可能性がある。
擬似セル配置熱マップを用いた細胞検出のための教師なし領域適応手法を提案する。
8種類のドメインの組み合わせを用いた実験では,提案手法は既存のドメイン適応法よりも優れていた。
論文 参考訳（メタデータ） (2021-07-19T07:22:10Z) - Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。
本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。
深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
論文 参考訳（メタデータ） (2021-05-31T19:28:17Z) - Probabilistic Spatial Analysis in Quantitative Microscopy with
Uncertainty-Aware Cell Detection using Deep Bayesian Regression of Density
Maps [8.534825157831387]
3d顕微鏡は多様な生物系の研究の鍵である。
本稿では,大規模顕微鏡画像上で動作可能な深層学習型細胞検出フレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-23T18:52:16Z) - Accurate Cell Segmentation in Digital Pathology Images via Attention
Enforced Networks [0.0]
本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。
実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
論文 参考訳（メタデータ） (2020-12-14T03:39:33Z)
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。