Fugu-MT 論文翻訳(概要): Using super-resolution for enhancing visual perception and segmentation performance in veterinary cytology

論文の概要: Using super-resolution for enhancing visual perception and segmentation performance in veterinary cytology

arxiv url: http://arxiv.org/abs/2306.11848v1
Date: Tue, 20 Jun 2023 18:59:27 GMT
ステータス: 処理完了
システム内更新日: 2023-06-22 15:55:48.304250
Title: Using super-resolution for enhancing visual perception and segmentation performance in veterinary cytology
Title（参考訳）: 超解像を用いた獣細胞診における視覚知覚とセグメンテーション性能の向上
Authors: Jakub Caputa, Maciej Wielgosz, Daria {\L}ukasik, Pawe{\l} Russek, Jakub Grzeszczyk, Micha{\l} Karwatowski, Szymon Mazurek, Rafa{\l} Fr\k{a}czek, Anna \'Smiech, Ernest Jamro, Sebastian Koryciak, Agnieszka D\k{a}browska-Boruch, Marcin Pietro\'n, Kazimierz Wiatr
Abstract要約: 不正確な焦点の存在下での画質向上を目的とした新しいデータセットを開発した。実験結果から,SR手法のセグメンテーションパイプラインへの統合により,平均平均セグメンテーション距離(mAP)が最大25%向上する可能性が示唆された。
参考スコア（独自算出の注目度）: 0.14519981310202407
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The primary objective of this research was to enhance the quality of semantic segmentation in cytology images by incorporating super-resolution (SR) architectures. An additional contribution was the development of a novel dataset aimed at improving imaging quality in the presence of inaccurate focus. Our experimental results demonstrate that the integration of SR techniques into the segmentation pipeline can lead to a significant improvement of up to 25% in the mean average precision (mAP) segmentation metric. These findings suggest that leveraging SR architectures holds great promise for advancing the state of the art in cytology image analysis.
Abstract（参考訳）: 本研究の目的は,超解像(SR)アーキテクチャを取り入れた細胞像のセマンティックセグメンテーションの質を高めることである。さらに、不正確な焦点の存在下での画質向上を目的とした新しいデータセットの開発にも貢献した。実験の結果,sr手法をセグメント化パイプラインに統合することで,平均平均精度(map)セグメント化メトリックの25%までの大幅な改善が期待できることがわかった。これらの結果から,SRアーキテクチャの活用は細胞診画像解析における最先端技術への大きな期待をもたらすことが示唆された。

関連論文リスト

GAN-Based Architecture for Low-dose Computed Tomography Imaging Denoising [1.0138723409205497]
GAN(Generative Adversarial Networks)は低線量CT(LDCT)領域における革命的要素として浮上している。本総説では,GANに基づくLDCT復調技術の急速な進歩を概観する。
論文参考訳（メタデータ） (2024-11-14T15:26:10Z)
Comparative Analysis of Hyperspectral Image Reconstruction Using Deep Learning for Agricultural and Biological Applications [0.0]
本研究では,RGB(赤,緑,青)画像からの深層学習に基づくハイパースペクトル画像再構成について検討した。その結果, 農業・生物応用のための費用対効果・効率の高い品質評価ツールとして, 深層学習に基づくハイパースペクトル画像再構成が期待できることが明らかになった。
論文参考訳（メタデータ） (2024-05-22T04:20:30Z)
Optimizing Universal Lesion Segmentation: State Space Model-Guided Hierarchical Networks with Feature Importance Adjustment [0.0]
我々は,MAMBAフレームワークにステートスペースモデル(SSM)とアドバンスト階層ネットワーク(AHNet)を統合したMamba-Ahnetを紹介する。 Mamba-Ahnetは、SSMの特徴抽出と理解をAHNetの注意機構と画像再構成と組み合わせ、セグメンテーションの精度と堅牢性を高めることを目的としている。
論文参考訳（メタデータ） (2024-04-26T08:15:43Z)
Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文参考訳（メタデータ） (2024-04-15T02:41:55Z)
Adaptive Smooth Activation for Improved Disease Diagnosis and Organ Segmentation from Radiology Scans [2.788038354941588]
本稿では,適応平滑化ユニット (ASAU) と呼ばれる新しいアクティベーション関数を提案する。医学画像解析において, ASAU は, CT と MRI における自動疾患診断と臓器分割という, 重要かつ一般的に用いられる2つの一般的な課題に適用する。
論文参考訳（メタデータ） (2023-11-29T07:16:55Z)
K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文参考訳（メタデータ） (2023-07-10T01:26:48Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
Textural-Structural Joint Learning for No-Reference Super-Resolution Image Quality Assessment [59.91741119995321]
我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
論文参考訳（メタデータ） (2022-05-27T09:20:06Z)
RCA-IUnet: A residual cross-spatial attention guided inception U-Net model for tumor segmentation in breast ultrasound imaging [0.6091702876917281]
本稿では,腫瘍セグメンテーションのトレーニングパラメータが最小限に抑えられたRCA-IUnetモデルについて紹介する。 RCA-IUnetモデルは、U-Netトポロジに従い、奥行きの深い分離可能な畳み込みとハイブリッドプール層を持つ。無関係な特徴を抑え、対象構造に焦点を合わせるために、空間横断型アテンションフィルタが加えられる。
論文参考訳（メタデータ） (2021-08-05T10:35:06Z)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。