論文の概要: Prompt-based Grouping Transformer for Nucleus Detection and
Classification
- arxiv url: http://arxiv.org/abs/2310.14176v1
- Date: Sun, 22 Oct 2023 04:50:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 01:23:21.296841
- Title: Prompt-based Grouping Transformer for Nucleus Detection and
Classification
- Title(参考訳): 核検出・分類のためのプロンプトベースグルーピングトランスフォーマ
- Authors: Junjia Huang and Haofeng Li and Weijun Sun and Xiang Wan and Guanbin
Li
- Abstract要約: 核の検出と分類は、疾患の診断に有効な情報を生み出す。
既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。
グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
- 参考スコア(独自算出の注目度): 70.55961378096116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic nuclei detection and classification can produce effective
information for disease diagnosis. Most existing methods classify nuclei
independently or do not make full use of the semantic similarity between nuclei
and their grouping features. In this paper, we propose a novel end-to-end
nuclei detection and classification framework based on a grouping
transformer-based classifier. The nuclei classifier learns and updates the
representations of nuclei groups and categories via hierarchically grouping the
nucleus embeddings. Then the cell types are predicted with the pairwise
correlations between categorical embeddings and nucleus features. For the
efficiency of the fully transformer-based framework, we take the nucleus group
embeddings as the input prompts of backbone, which helps harvest grouping
guided features by tuning only the prompts instead of the whole backbone.
Experimental results show that the proposed method significantly outperforms
the existing models on three datasets.
- Abstract(参考訳): 自動核検出と分類は、疾患診断に有効な情報を生み出すことができる。
既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。
本稿では,グループ変換器をベースとした新しいエンドツーエンド核検出・分類フレームワークを提案する。
核分類器は、核埋め込みを階層的にグループ化し、核群とカテゴリの表現を学び、更新する。
すると、細胞型はカテゴリー埋め込みと核の特徴の対関係で予測される。
完全なtransformerベースのフレームワークの効率性については、backboneの入力プロンプトとしてnucleus group embeddedsを取り上げ、backbone全体ではなくプロンプトのみをチューニングすることで、グループ化ガイド機能の収集を支援する。
実験の結果,提案手法は3つのデータセット上で既存モデルよりも有意に優れていた。
関連論文リスト
- UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。
異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。
特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文 参考訳(メタデータ) (2024-02-20T11:50:27Z) - 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) - DiffMix: Diffusion Model-based Data Synthesis for Nuclei Segmentation
and Classification in Imbalanced Pathology Image Datasets [8.590026259176806]
拡散モデルを用いた現実的なデータ合成法を提案する。
トレーニングデータの配布を拡大するために,仮想パッチを2種類生成する。
意味ラベル条件付き拡散モデルを用いて、現実的で高品質な画像サンプルを生成する。
論文 参考訳(メタデータ) (2023-06-25T05:31:08Z) - Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。
本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。
次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
論文 参考訳(メタデータ) (2023-02-22T14:52:06Z) - Anomaly Detection using Ensemble Classification and Evidence Theory [62.997667081978825]
本稿では,アンサンブル分類とエビデンス理論を用いた新しい検出手法を提案する。
固体アンサンブル分類器を構築するためのプール選択戦略が提示される。
我々は異常検出手法の不確実性を利用する。
論文 参考訳(メタデータ) (2022-12-23T00:50:41Z) - Domain Adaptive Nuclei Instance Segmentation and Classification via
Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。
我々のアプローチは、最先端のUDA手法よりも顕著なマージンで優れています。
論文 参考訳(メタデータ) (2022-07-04T07:05:06Z) - Generalized Reference Kernel for One-class Classification [100.53532594448048]
我々は、参照ベクトルの集合を用いて、元のベースカーネルを改善するために、新しい一般化された参照カーネルを定式化する。
解析および実験結果から、新しい定式化は、カーネル自体に付加的な情報を導入し、ランクを調整し、調整するためのアプローチを提供することが示された。
論文 参考訳(メタデータ) (2022-05-01T18:36:55Z) - PointNu-Net: Keypoint-assisted Convolutional Neural Network for
Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification [23.466331358975044]
ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。
本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
論文 参考訳(メタデータ) (2021-11-01T08:29:40Z)
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。