論文の概要: Characterizing the Features of Mitotic Figures Using a Conditional
Diffusion Probabilistic Model
- arxiv url: http://arxiv.org/abs/2310.03893v1
- Date: Thu, 5 Oct 2023 20:54:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-10 06:21:37.693717
- Title: Characterizing the Features of Mitotic Figures Using a Conditional
Diffusion Probabilistic Model
- Title(参考訳): 条件拡散確率モデルを用いた分裂図の特徴の同定
- Authors: Cagla Deniz Bahadir, Benjamin Liechty, David J. Pisapia, Mert R.
Sabuncu
- Abstract要約: 細胞核のパッチを所定のミトーシスラベル条件で合成するために,確率拡散モデルを訓練する。
このモデルを用いて、同じ核が分裂状態に遷移するのに対応する一連の合成画像を生成することができる。
我々のアプローチは、病原体を識別する決定を下す特徴を解釈し、伝達する新しいツールを提供する。
- 参考スコア(独自算出の注目度): 6.870143333310407
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Mitotic figure detection in histology images is a hard-to-define, yet
clinically significant task, where labels are generated with pathologist
interpretations and where there is no ``gold-standard'' independent
ground-truth. However, it is well-established that these interpretation based
labels are often unreliable, in part, due to differences in expertise levels
and human subjectivity. In this paper, our goal is to shed light on the
inherent uncertainty of mitosis labels and characterize the mitotic figure
classification task in a human interpretable manner. We train a probabilistic
diffusion model to synthesize patches of cell nuclei for a given mitosis label
condition. Using this model, we can then generate a sequence of synthetic
images that correspond to the same nucleus transitioning into the mitotic
state. This allows us to identify different image features associated with
mitosis, such as cytoplasm granularity, nuclear density, nuclear irregularity
and high contrast between the nucleus and the cell body. Our approach offers a
new tool for pathologists to interpret and communicate the features driving the
decision to recognize a mitotic figure.
- Abstract(参考訳): ヒストロジー画像におけるミオティックな図形検出は、病理学的な解釈でラベルを生成し、'gold-standard'の独立した接地が存在しないという、定義が難しいが臨床的に重要な課題である。
しかし、これらの解釈に基づくラベルは、専門知識のレベルや人間の主観性の違いから、信頼性に欠けることが多い。
本稿では,ミトーシスラベルの本質的な不確実性に光を当て,ヒトの解釈可能な方法でミトーシス図形分類タスクを特徴付けることを目的とする。
細胞核のパッチを所定のミトーシスラベル条件で合成するために,確率拡散モデルを訓練する。
このモデルを用いて、同じ核が分裂状態へ遷移するのに対応する合成画像のシーケンスを生成することができる。
これにより、細胞質の粒度、核密度、核の不規則性、核と細胞体の間の高いコントラストなど、分裂に関連する異なる画像の特徴を識別できる。
我々のアプローチは、病原体を識別する決定を下す特徴を解釈し、伝達する新しいツールを提供する。
関連論文リスト
- Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。
本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文 参考訳(メタデータ) (2023-10-10T14:37:17Z) - Deep Angiogram: Trivializing Retinal Vessel Segmentation [1.8479315677380455]
本研究では,無関係な特徴をフィルタリングし,深部血管造影という潜像を合成するコントラスト型変分自動エンコーダを提案する。
合成ネットワークの一般化性は、画像コントラストとノイズの特徴の変動に敏感なモデルを実現するコントラスト損失によって改善される。
論文 参考訳(メタデータ) (2023-07-01T06:13:10Z) - Modeling Dense Multimodal Interactions Between Biological Pathways and Histology for Survival Prediction [3.2274401541163322]
本稿では,パスとヒストロジーパッチトークン間の相互作用をモデル化できるメモリ効率の良いマルチモーダルトランスを提案する。
提案モデルであるSURVPATHは,非モーダルベースラインとマルチモーダルベースラインの両方に対して評価した場合に,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-04-13T21:02:32Z) - SynCLay: Interactive Synthesis of Histology Images from Bespoke Cellular
Layouts [0.5249805590164901]
我々は,現実的で高品質な組織像を構築できるSynCLayという新しいフレームワークを提案する。
我々は、SynCLayを対角的に訓練し、核分割と分類モデルを統合する。
本研究では,本フレームワークによって生成された合成データを用いて,限られた実データを増やすことで,細胞組成予測タスクの予測性能を大幅に向上させることができることを示す。
論文 参考訳(メタデータ) (2022-12-28T11:07:00Z) - A kinetic approach to consensus-based segmentation of biomedical images [58.720142291102135]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳(メタデータ) (2022-11-08T09:54:34Z) - Stain based contrastive co-training for histopathological image analysis [61.87751502143719]
本稿では,ヒストリボリューション画像の分類のための,新しい半教師付き学習手法を提案する。
我々は、半教師付き学習フレームワークを作成するために、パッチレベルのアノテーションと、新しいコトレーニング損失を併用した強力な監視を採用する。
透明細胞腎細胞および前立腺癌に対するアプローチを評価し,最先端の半教師あり学習法の改善を実証した。
論文 参考訳(メタデータ) (2022-06-24T22:25:31Z) - Deepfake histological images for enhancing digital pathology [0.40631409309544836]
我々は,クラスラベルに制約された病理像を合成する生成逆ネットワークモデルを開発した。
前立腺および大腸組織像の合成におけるこの枠組みの有用性について検討した。
大腸生検によるより複雑な画像へのアプローチを拡張し,そのような組織における複雑な微小環境も再現可能であることを示す。
論文 参考訳(メタデータ) (2022-06-16T17:11:08Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳(メタデータ) (2022-02-27T02:19:09Z) - Label Distribution Amendment with Emotional Semantic Correlations for
Facial Expression Recognition [69.18918567657757]
意味空間における表現間の相関を利用して,各顔画像のラベル分布を補正する手法を提案する。
各画像のセマンティックグラフとタスククラス関連グラフを比較することにより、そのラベル分布の信頼性を評価する。
実験により,提案手法は最先端手法と比較した場合よりも有効であることが示された。
論文 参考訳(メタデータ) (2021-07-23T07:46:14Z) - Usefulness of interpretability methods to explain deep learning based
plant stress phenotyping [8.786924604224101]
8種類のダイズストレス(抗生物質および抗生物質)の分類のためのDenseNet-121ネットワークを訓練する
テストデータの多種多様なサブセットについては、重要な特徴と人間の専門家が特定した特徴を比較した。
ほとんどの解釈可能性法は、葉の感染した領域を、正しく分類された画像の重要な特徴として識別する。
論文 参考訳(メタデータ) (2020-07-11T09:28:50Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳(メタデータ) (2020-05-15T06:57:54Z)
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。