論文の概要: DoNet: Deep De-overlapping Network for Cytology Instance Segmentation

• arxiv url: http://arxiv.org/abs/2303.14373v1
• Date: Sat, 25 Mar 2023 06:26:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 20:09:51.424856
• Title: DoNet: Deep De-overlapping Network for Cytology Instance Segmentation
• Title（参考訳）: DoNet: 細胞学インスタンスセグメンテーションのためのディープデオーバーラップネットワーク
• Authors: Hao Jiang and Rushan Zhang and Yanning Zhou and Yumeng Wang and Hao Chen
• Abstract要約: 本稿では,分解・再結合戦略における重複ネットワーク(DoNet)を提案する。 Dual-path Region Module (DRM) は、セルクラスタを交差領域と補領域に明示的に分解する。 Mask-guided Region Proposal Strategy (MRP)は、内部セルインスタンス予測のためのセルアテンションマップを統合する。
• 参考スコア（独自算出の注目度）: 7.321293750325454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cell instance segmentation in cytology images has significant importance for biology analysis and cancer screening, while remains challenging due to 1) the extensive overlapping translucent cell clusters that cause the ambiguous boundaries, and 2) the confusion of mimics and debris as nuclei. In this work, we proposed a De-overlapping Network (DoNet) in a decompose-and-recombined strategy. A Dual-path Region Segmentation Module (DRM) explicitly decomposes the cell clusters into intersection and complement regions, followed by a Semantic Consistency-guided Recombination Module (CRM) for integration. To further introduce the containment relationship of the nucleus in the cytoplasm, we design a Mask-guided Region Proposal Strategy (MRP) that integrates the cell attention maps for inner-cell instance prediction. We validate the proposed approach on ISBI2014 and CPS datasets. Experiments show that our proposed DoNet significantly outperforms other state-of-the-art (SOTA) cell instance segmentation methods. The code is available at https://github.com/DeepDoNet/DoNet.
• Abstract（参考訳）: 細胞診画像における細胞標本の分節化は生物学的解析やがんスクリーニングにおいて重要な役割を担っているが、依然として困難である。 1)あいまいな境界の原因となる広範囲に重複する半透明な細胞群 2) 模倣物と破片の核としての混乱。 本研究では,分解・再結合戦略における重複解消ネットワーク(donet)を提案する。 DRM(Dual-path Region Segmentation Module)は、セルクラスタを交差点と補完領域に明示的に分解し、セマンティック一貫性誘導再結合モジュール(CRM)と統合する。 細胞質内の核の包接関係をさらに導入するため,細胞内のインスタンス予測にセルアテンションマップを統合するMask-Guided Region Proposal Strategy (MRP)を設計した。 提案手法をISBI2014およびCPSデータセット上で検証する。 実験の結果,提案するDoNetは,他のSOTA(State-of-the-art)セルインスタンスのセグメンテーション法よりも優れていた。 コードはhttps://github.com/deepdonet/donetで入手できる。

関連論文リスト

• Enhancing Nucleus Segmentation with HARU-Net: A Hybrid Attention Based Residual U-Blocks Network [9.718765096478371]
  核分割の現在の手法は、核形態学や輪郭に基づくアプローチに依存している。 本稿では,ハイブリッドアテンションに基づく残差Uブロックを用いたデュアルブランチネットワークを提案する。 ネットワーク内において,ネットワークからコンテキスト情報を効果的に抽出し,マージするコンテキスト融合ブロック(CF-block)を提案する。
  論文  参考訳（メタデータ） (2023-08-07T08:03:20Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• MEDIAR: Harmony of Data-Centric and Model-Centric for Multi-Modality Microscopy [9.405458160620533]
  マルチモーダルなセルインスタンスセグメンテーションのための総合パイプラインであるMEDIARを提案する。 検証段階では時間予算を満足しながら0.9067F1スコアを達成する。 その後の研究を容易にするために、ソースコードとトレーニングされたモデルをオープンソースとして提供します。
  論文  参考訳（メタデータ） (2022-12-07T05:09:24Z)
• Look in Different Views: Multi-Scheme Regression Guided Cell Instance Segmentation [17.633542802081827]
  マルチスキーマ回帰誘導に基づく新しいセルインスタンス分割ネットワークを提案する。 マルチスキーマレグレッションガイダンスにより、ネットワークは異なるビューで各セルを見ることができる。 ベンチマークデータセット、DSB2018、CA2.5、SCISについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-08-17T05:24:59Z)
• BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung Infection Segmentation from CT Images [83.82141604007899]
  BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。 BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。 BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
  論文  参考訳（メタデータ） (2022-07-17T08:54:07Z)
• TA-Net: Topology-Aware Network for Gland Segmentation [71.52681611057271]
  本研究では, 密集した腺と高度に変形した腺を正確に分離する新しいトポロジ・アウェア・ネットワーク(TA-Net)を提案する。 TA-Netはマルチタスク学習アーキテクチャを持ち、腺セグメンテーションの一般化を強化する。 2つのデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-10-27T17:10:58Z)
• Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
  本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。 具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。 提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2021-05-17T10:11:45Z)
• CellTrack R-CNN: A Novel End-To-End Deep Neural Network for Cell Segmentation and Tracking in Microscopy Images [21.747994390120105]
  細胞セグメンテーションと細胞追跡を一体化したエンドツーエンドのディープラーニングベースのフレームワークに結合する新しいアプローチを提案します。 本手法はセルセグメンテーションとセル追跡アキュラシーの両方の観点から最先端アルゴリズムを上回る。
  論文  参考訳（メタデータ） (2021-02-20T15:55:40Z)
• Split and Expand: An inference-time improvement for Weakly Supervised Cell Instance Segmentation [71.50526869670716]
  本研究では,分割マップのインスタンスへの変換を改善するために,2段階の後処理手順であるSplitとExpandを提案する。 Splitのステップでは,セルの集合をセグメント化マップから個々のセルインスタンスに分割し,セル中心の予測を導出する。 拡張ステップでは、細胞中心予測を用いて、小さな細胞が欠落していることが分かる。
  論文  参考訳（メタデータ） (2020-07-21T14:05:09Z)
• Boundary-assisted Region Proposal Networks for Nucleus Segmentation [89.69059532088129]
  大量の核が混在しているため、機械学習モデルはうまく機能しない。 我々は、堅牢なインスタンスレベルの核分割を実現する境界支援領域提案ネットワーク(BRP-Net)を考案する。
  論文  参考訳（メタデータ） (2020-06-04T08:26:38Z)

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。