論文の概要: SEINE: Structure Encoding and Interaction Network for Nuclei Instance
Segmentation
- arxiv url: http://arxiv.org/abs/2401.09773v1
- Date: Thu, 18 Jan 2024 07:44:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 17:32:13.608331
- Title: SEINE: Structure Encoding and Interaction Network for Nuclei Instance
Segmentation
- Title（参考訳）: SEINE: Nucleiインスタンスセグメンテーションのための構造エンコーディングとインタラクションネットワーク
- Authors: Ye Zhang, Linghan Cai, Ziyue Wang, Yongbing Zhang
- Abstract要約: 同様に、クロモフォブ核の核内領域と核外領域の視覚的表現は、しばしば低セグメンテーションを引き起こす。
現在の手法では核構造の探索が欠如しており、結果として断片化されたインスタンス予測がもたらされる。
本稿では、原子核の構造モデリング手法を開発するSEINEと呼ばれる構造符号化と相互作用ネットワークを提案する。
- 参考スコア（独自算出の注目度）: 15.769396833096149
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nuclei instance segmentation in histopathological images is of great
importance for biological analysis and cancer diagnosis but remains challenging
for two reasons. (1) Similar visual presentation of intranuclear and
extranuclear regions of chromophobe nuclei often causes under-segmentation, and
(2) current methods lack the exploration of nuclei structure, resulting in
fragmented instance predictions. To address these problems, this paper proposes
a structure encoding and interaction network, termed SEINE, which develops the
structure modeling scheme of nuclei and exploits the structure similarity
between nuclei to improve the integrality of each segmented instance.
Concretely, SEINE introduces a contour-based structure encoding (SE) that
considers the correlation between nuclei structure and semantics, realizing a
reasonable representation of the nuclei structure. Based on the encoding, we
propose a structure-guided attention (SGA) that takes the clear nuclei as
prototypes to enhance the structure learning for the fuzzy nuclei. To
strengthen the structural learning ability, a semantic feature fusion (SFF) is
presented to boost the semantic consistency of semantic and structure branches.
Furthermore, a position enhancement (PE) method is applied to suppress
incorrect nuclei boundary predictions. Extensive experiments demonstrate the
superiority of our approaches, and SEINE achieves state-of-the-art (SOTA)
performance on four datasets. The code is available at
\href{https://github.com/zhangye-zoe/SEINE}{https://github.com/zhangye-zoe/SEINE}.
- Abstract（参考訳）: 病理組織像における核インスタンスセグメンテーションは, 生物学的解析と癌診断において非常に重要であるが, 2つの理由から困難である。
1) クロモフォブ核の核内領域と核外領域の類似した視覚的表示は、しばしば低セグメンテーションを引き起こし、(2) 現行の手法は核構造の探索を欠いているため、断片化されたインスタンス予測をもたらす。
そこで本稿では,核の構造モデリング手法を開発し,核間の構造類似性を活用し,各セグメントインスタンスの積分性を向上させる構造符号化・相互作用ネットワークであるseineを提案する。
具体的には、核構造と意味学の相関を考慮し、核構造の合理的な表現を実現する輪郭構造符号化(SE)を導入する。
符号化に基づいて、ファジィ核の構造学習を強化するために、透明核をプロトタイプとして用いた構造誘導注意(SGA)を提案する。
構造学習能力を強化するため、意味的特徴融合(SFF)が提示され、意味的および構造的分岐のセマンティック一貫性が向上する。
さらに、不正確な核境界予測を抑えるために位置強調法(PE)を適用した。
大規模な実験は我々のアプローチの優位性を示し、SEINEは4つのデータセット上で最先端(SOTA)性能を達成する。
コードは \href{https://github.com/zhangye-zoe/SEINE}{https://github.com/zhangye-zoe/SEINE} で公開されている。
関連論文リスト
- A Survey on Cell Nuclei Instance Segmentation and Classification: Leveraging Context and Attention [2.574831636177296]
我々は,H&E-stained microscopy imaging を用いて,細胞核のインスタンスのセグメンテーションと分類のコンテキストとアテンションに関する調査を行った。
本研究では,一般的な事例分割・分類手法(Mask-RCNN)と,コンテキスト・アテンションに基づく機構を用いたセル核の分類・分類モデル(HoVer-Net)を拡張した。
我々の研究結果は、ドメイン知識をアルゴリズム設計に翻訳することは簡単な作業ではなく、これらのメカニズムを完全に活用する必要があることを示唆している。
論文 参考訳（メタデータ） (2024-07-26T11:30:22Z) - BoNuS: Boundary Mining for Nuclei Segmentation with Partial Point Labels [34.57288003249214]
本稿では,核の部分点ラベルのみを必要とする弱制御型核分割法を提案する。
具体的には,核内部情報と境界情報とを同時に学習するBoNuSという,核セグメンテーションのための新しい境界地雷フレームワークを提案する。
形態学的な知識で欠落した核を検出するためのカリキュラム学習を備えた核検出モジュールについて検討する。
論文 参考訳（メタデータ） (2024-01-15T02:50:39Z) - Prompt-based Grouping Transformer for Nucleus Detection and
Classification [70.55961378096116]
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。
論文 参考訳（メタデータ） (2023-10-22T04:50:48Z) - 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) - 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) - 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) - Nested Named Entity Recognition as Holistic Structure Parsing [92.8397338250383]
本研究は,文中の全入れ子NEを全体構造としてモデル化し,全体構造解析アルゴリズムを提案する。
実験により、我々のモデルは、最先端にアプローチしたり、あるいは達成したりするような、広く使われているベンチマークで有望な結果が得られることが示された。
論文 参考訳（メタデータ） (2022-04-17T12:48:20Z) - 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) - Bend-Net: Bending Loss Regularized Multitask Learning Network for Nuclei
Segmentation in Histopathology Images [65.47507533905188]
重なり合う核を正確に分離するために、曲げ損失正規化器を備えた新しいマルチタスク学習ネットワークを提案する。
新たに提案されたマルチタスク学習アーキテクチャは、3つのタスクから共有表現を学習することで一般化を促進する。
提案した曲げ損失は,輪郭点を大きな曲率で囲むために高いペナルティを定義し,小さな曲率で凸輪郭点に小さなペナルティを適用した。
論文 参考訳（メタデータ） (2021-09-30T17:29:44Z) - Transfer Learning for Protein Structure Classification at Low Resolution [124.5573289131546]
タンパク質のクラスとアーキテクチャの正確な(geq$80%)予測を、低い(leq$3A)解像度で決定された構造から行うことができることを示す。
本稿では, 高速で低コストなタンパク質構造を低解像度で分類するための概念実証と, 機能予測への拡張の基礎を提供する。
論文 参考訳（メタデータ） (2020-08-11T15:01:32Z)
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。