論文の概要: ParamNet: A Parameter-variable Network for Fast Stain Normalization
- arxiv url: http://arxiv.org/abs/2305.06511v1
- Date: Thu, 11 May 2023 01:24:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 16:27:26.198738
- Title: ParamNet: A Parameter-variable Network for Fast Stain Normalization
- Title(参考訳): ParamNet:高速ステン正規化のためのパラメータ可変ネットワーク
- Authors: Hongtao Kang, Die Luo, Li Chen, Junbo Hu, Shenghua Cheng, Tingwei
Quan, Shaoqun Zeng and Xiuli Liu
- Abstract要約: 静止正規化は、デジタル病理画像の色と明るさの差を効果的に低減することができる。
パラメータ可変な染色正規化ネットワークであるParamNetを提案する。
私たちのネットワークは計算効率が非常に高く、アーティファクトを導入していません。
- 参考スコア(独自算出の注目度): 6.91044493278227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In practice, digital pathology images are often affected by various factors,
resulting in very large differences in color and brightness. Stain
normalization can effectively reduce the differences in color and brightness of
digital pathology images, thus improving the performance of computer-aided
diagnostic systems. Conventional stain normalization methods rely on one or
several reference images, but one or several images are difficult to represent
the entire dataset. Although learning-based stain normalization methods are a
general approach, they use complex deep networks, which not only greatly reduce
computational efficiency, but also risk introducing artifacts. StainNet is a
fast and robust stain normalization network, but it has not a sufficient
capability for complex stain normalization due to its too simple network
structure. In this study, we proposed a parameter-variable stain normalization
network, ParamNet. ParamNet contains a parameter prediction sub-network and a
color mapping sub-network, where the parameter prediction sub-network can
automatically determine the appropriate parameters for the color mapping
sub-network according to each input image. The feature of parameter variable
ensures that our network has a sufficient capability for various stain
normalization tasks. The color mapping sub-network is a fully 1x1 convolutional
network with a total of 59 variable parameters, which allows our network to be
extremely computationally efficient and does not introduce artifacts. The
results on cytopathology and histopathology datasets show that our ParamNet
outperforms state-of-the-art methods and can effectively improve the
generalization of classifiers on pathology diagnosis tasks. The code has been
available at https://github.com/khtao/ParamNet.
- Abstract(参考訳): 実際には、デジタル病理画像は様々な要因に影響され、色と明るさに大きな違いをもたらすことが多い。
Stain normalizationは、デジタル病理画像の色と明るさの違いを効果的に低減し、コンピュータ支援診断システムの性能を向上させる。
従来の染色正規化法は1つまたは複数の参照画像に依存するが、データセット全体を表現することは困難である。
学習に基づく染色正規化手法は一般的な手法であるが、複雑なディープネットワークを用いるため、計算効率を大幅に低下させるだけでなく、アーティファクトを導入するリスクも大きい。
StainNetは高速で堅牢な染色正規化ネットワークであるが,ネットワーク構造が複雑すぎるため,複雑な染色正規化を行うには不十分である。
本研究ではパラメータ可変染色正規化ネットワークparamnetを提案する。
ParamNetにはパラメータ予測サブネットワークとカラーマッピングサブネットワークが含まれており、パラメータ予測サブネットワークは各入力画像に応じて色マッピングサブネットワークの適切なパラメータを自動的に決定することができる。
パラメータ変数の特徴は、ネットワークが様々な染色正規化タスクに十分な能力を持つことを保証する。
カラーマッピングサブネットワークは,59個の変数を持つ完全な1x1畳み込みネットワークである。
病理組織学および病理組織学データセットの結果から,我々のparamnetは最先端の手法よりも優れており,病理診断タスクにおける分類器の一般化を効果的に改善できることが示された。
コードはhttps://github.com/khtao/ParamNetで公開されている。
関連論文リスト
- A Heterogeneous Dynamic Convolutional Neural Network for Image
Super-resolution [111.97970576223622]
画像超解像(HDSRNet)における異種動的畳み込みネットワークを提案する。
下位のネットワークは対称アーキテクチャを使用して、異なるレイヤの関係を強化し、より構造的な情報をマイニングする。
実験結果から,HDSRNetは画像解決に有効であることが示唆された。
論文 参考訳(メタデータ) (2024-02-24T03:44:06Z) - Color Equivariant Convolutional Networks [50.655443383582124]
CNNは、偶然に記録された条件によって導入された色の変化の間にデータ不均衡がある場合、苦労する。
カラースペクトル間の形状特徴共有を可能にする新しいディープラーニングビルディングブロックであるカラー等変畳み込み(CEConvs)を提案する。
CEConvsの利点は、様々なタスクに対するダウンストリーム性能と、列車-テストの分散シフトを含む色の変化に対するロバスト性の改善である。
論文 参考訳(メタデータ) (2023-10-30T09:18:49Z) - MultiPathGAN: Structure Preserving Stain Normalization using
Unsupervised Multi-domain Adversarial Network with Perception Loss [10.043946236248392]
病理組織学は、病気の診断に顕微鏡組織像の分析に頼っている。
我々は,複数のデータ取得領域にまたがって,スライド画像全体を翻訳(正規化)する,教師なしの敵ネットワークを導入する。
論文 参考訳(メタデータ) (2022-04-20T20:48:17Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - Stain Normalized Breast Histopathology Image Recognition using
Convolutional Neural Networks for Cancer Detection [9.826027427965354]
近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。
乳腺病理像の2値分類のためのCNNモデルについて検討した。
我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
論文 参考訳(メタデータ) (2022-01-04T03:09:40Z) - HistoTransfer: Understanding Transfer Learning for Histopathology [9.231495418218813]
我々は、ImageNetと病理組織データに基づいてトレーニングされたネットワークから抽出された特徴の性能を比較した。
より複雑なネットワークを用いて学習した機能が性能向上につながるかどうかを検討する。
論文 参考訳(メタデータ) (2021-06-13T18:55:23Z) - Manifold Regularized Dynamic Network Pruning [102.24146031250034]
本稿では,全インスタンスの多様体情報をプルーンドネットワークの空間に埋め込むことにより,冗長フィルタを動的に除去する新しいパラダイムを提案する。
提案手法の有効性をいくつかのベンチマークで検証し,精度と計算コストの両面で優れた性能を示す。
論文 参考訳(メタデータ) (2021-03-10T03:59:03Z) - Principled network extraction from images [0.0]
本稿では,スケーラブルで効率的な画像からネットワークトポロジを抽出する原理モデルを提案する。
我々は,網膜血管系,スライムカビ,河川網の実際の画像を用いて本モデルを検証した。
論文 参考訳(メタデータ) (2020-12-23T15:56:09Z) - StainNet: a fast and robust stain normalization network [0.7796684624647288]
本稿では、StainNetという1.28Kパラメータのみを持つ高速かつ堅牢な染色正規化ネットワークを提案する。
提案手法は染色正常化が良好であり,精度と画質が向上した。
論文 参考訳(メタデータ) (2020-12-23T08:16:27Z) - Spatio-Temporal Inception Graph Convolutional Networks for
Skeleton-Based Action Recognition [126.51241919472356]
我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。
ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
論文 参考訳(メタデータ) (2020-11-26T14:43:04Z) - Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。
標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2020-04-06T15:51:00Z)
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。