論文の概要: A Weakly Supervised Segmentation Network Embedding Cross-scale Attention
Guidance and Noise-sensitive Constraint for Detecting Tertiary Lymphoid
Structures of Pancreatic Tumors
- arxiv url: http://arxiv.org/abs/2307.14603v1
- Date: Thu, 27 Jul 2023 03:25:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-28 16:00:26.199095
- Title: A Weakly Supervised Segmentation Network Embedding Cross-scale Attention
Guidance and Noise-sensitive Constraint for Detecting Tertiary Lymphoid
Structures of Pancreatic Tumors
- Title（参考訳）: 膵腫瘍の3次リンパ組織検出のためのクロススケール注意誘導とノイズ感受性制約を組み込んだ弱監視セグメンテーションネットワーク
- Authors: Bingxue Wang, Liwen Zou, Jun Chen, Yingying Cao, Zhenghua Cai, Yudong
Qiu, Liang Mao, Zhongqiu Wang, Jingya Chen, Luying Gui and Xiaoping Yang
- Abstract要約: 膵病理像における3次リンパ構造(TLS)の存在は膵腫瘍の予後を示す重要な指標である。
数発の学習でTLSを検出するために,弱い教師付きセグメンテーションネットワークを提案する。
得られた2つのデータセットに対する実験結果から,提案手法はTLSの検出精度において,最先端のセグメンテーションに基づくアルゴリズムよりも有意に優れていることが示された。
- 参考スコア（独自算出の注目度）: 19.775101438245272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The presence of tertiary lymphoid structures (TLSs) on pancreatic
pathological images is an important prognostic indicator of pancreatic tumors.
Therefore, TLSs detection on pancreatic pathological images plays a crucial
role in diagnosis and treatment for patients with pancreatic tumors. However,
fully supervised detection algorithms based on deep learning usually require a
large number of manual annotations, which is time-consuming and
labor-intensive. In this paper, we aim to detect the TLSs in a manner of
few-shot learning by proposing a weakly supervised segmentation network. We
firstly obtain the lymphocyte density maps by combining a pretrained model for
nuclei segmentation and a domain adversarial network for lymphocyte nuclei
recognition. Then, we establish a cross-scale attention guidance mechanism by
jointly learning the coarse-scale features from the original histopathology
images and fine-scale features from our designed lymphocyte density attention.
A noise-sensitive constraint is introduced by an embedding signed distance
function loss in the training procedure to reduce tiny prediction errors.
Experimental results on two collected datasets demonstrate that our proposed
method significantly outperforms the state-of-the-art segmentation-based
algorithms in terms of TLSs detection accuracy. Additionally, we apply our
method to study the congruent relationship between the density of TLSs and
peripancreatic vascular invasion and obtain some clinically statistical
results.
- Abstract（参考訳）: 膵病理像における3次リンパ構造(TLS)の存在は膵腫瘍の予後を示す重要な指標である。
したがって,膵腫瘍の診断と治療において,膵病理画像上のtlss検出が重要な役割を担っている。
しかし、ディープラーニングに基づく完全な教師付き検出アルゴリズムは、通常、多くの手動アノテーションを必要とする。
本稿では,弱い教師付きセグメンテーションネットワークを提案することにより,少数ショット学習によるtls検出を目標とする。
まず, 予め訓練した核分割モデルと, リンパ球認識のためのドメイン対向ネットワークを組み合わせることで, リンパ球密度マップを得る。
そこで,造血組織像から粗大な特徴とリンパ球密度の注意から細分化した特徴を共同学習し,クロススケールな注意誘導機構を確立する。
トレーニング手順に符号付き距離関数損失を埋め込んでノイズ感受性制約を導入し、小さな予測誤差を低減する。
2つのデータセットを用いた実験の結果,提案手法はtlss検出精度において最先端のセグメンテーションベースアルゴリズムを有意に上回っていることがわかった。
さらに,TLSの密度と膵周囲血管浸潤との関連性について検討し,臨床統計学的結果を得た。
関連論文リスト
- SDF-Net: A Hybrid Detection Network for Mediastinal Lymph Node Detection on Contrast CT Images [38.69240497671607]
リンパ節を効果的に検出するSwing-Det Fusion Network (SDF-Net)を提案する。
SDF-Netはセグメンテーションと検出の両方の機能を統合し、さまざまな形状と大きさのリンパ節の検出能力を向上する。
論文 参考訳（メタデータ） (2024-09-10T08:27:44Z) - Pancreatic Tumor Segmentation as Anomaly Detection in CT Images Using Denoising Diffusion Models [4.931603088067152]
本研究は, 膵腫瘍検出に対する新しいアプローチとして, デノナイズ拡散法を用いて, 弱い監督異常検出を応用した手法を提案する。
本手法は, 複雑なトレーニングプロトコルやセグメンテーションマスクを必要とせずに, 画像のシームレスな翻訳を可能にする。
本研究は, 膵癌の生存率の低さを認識し, 医療セグメント化作業における拡散モデルの効率を活用するための継続的な研究の必要性を強調した。
論文 参考訳（メタデータ） (2024-06-04T16:38:11Z) - Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。
良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。
CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
論文 参考訳（メタデータ） (2024-03-14T12:05:25Z) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳（メタデータ） (2023-04-26T14:11:04Z) - 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) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Semi-Supervised Segmentation of Radiation-Induced Pulmonary Fibrosis
from Lung CT Scans with Multi-Scale Guided Dense Attention [12.50972252041458]
我々はPF-Netと呼ばれる新しい畳み込みニューラルネットワークを提案する。
PF-Netは2Dと3Dの畳み込みを組み合わせ、大きなスライス間隔でCTボリュームを扱う。
放射線誘起PFによるRhesus MacaquesのCTスキャン実験により、PF-Netは既存の2D, 3D, 2.5Dニューラルネットワークよりも高いセグメンテーション精度を示した。
論文 参考訳（メタデータ） (2021-09-29T03:35:50Z) - Deeply supervised UNet for semantic segmentation to assist
dermatopathological assessment of Basal Cell Carcinoma (BCC) [2.031570465477242]
unetアーキテクチャに基づく複数のモデルを用いた意味セグメンテーションによる基底細胞癌(bcc)の検出に焦点を当てた。
unetネットワークの最初の2つの異なるエンコーダと2つの追加のトレーニング戦略を分析した。
最高のモデルは、テストセット上の96%、精度、感度、および特異性を達成します。
論文 参考訳（メタデータ） (2021-03-05T15:39:55Z) - Detecting Scatteredly-Distributed, Small, andCritically Important
Objects in 3D OncologyImaging via Decision Stratification [23.075722503902714]
本研究は腫瘍学的に重要なリンパ節(または不審な癌転移)の検出と分節に焦点を当てた。
我々はOSLNを腫瘍近位・腫瘍遠位分類に分割する分断型決定階層化手法を提案する。
局所的な3D画像パッチから得られた特徴と高次病変特性を組み合わせた新しいグローバルローカルネットワーク(GLNet)を提案する。
論文 参考訳（メタデータ） (2020-05-27T23:12:11Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z)
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。