Fugu-MT 論文翻訳(概要): Scribble-based fast weak-supervision and interactive corrections for segmenting whole slide images

論文の概要: Scribble-based fast weak-supervision and interactive corrections for segmenting whole slide images

arxiv url: http://arxiv.org/abs/2402.08333v1
Date: Tue, 13 Feb 2024 09:57:35 GMT
ステータス: 処理完了
システム内更新日: 2024-02-14 15:53:24.842273
Title: Scribble-based fast weak-supervision and interactive corrections for segmenting whole slide images
Title（参考訳）: スライド画像全体のセグメント化のためのスクリブルベース高速弱スーパービジョンと対話的補正
Authors: Antoine Habis, Roy Rosman Nathanson, Vannary Meas-Yedid, Elsa D. Angelini and Jean-Christophe Olivo-Marin
Abstract要約: 本稿では,スライス組織像全体のセグメンテーションにおける2つの大きな課題に対処するために,ユーザインタラクションを最小限に抑えた動的インタラクティブかつ弱教師付きセグメンテーション手法を提案する。
参考スコア（独自算出の注目度）: 5.276054618115727
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes a dynamic interactive and weakly supervised segmentation method with minimal user interactions to address two major challenges in the segmentation of whole slide histopathology images. First, the lack of hand-annotated datasets to train algorithms. Second, the lack of interactive paradigms to enable a dialogue between the pathologist and the machine, which can be a major obstacle for use in clinical routine. We therefore propose a fast and user oriented method to bridge this gap by giving the pathologist control over the final result while limiting the number of interactions needed to achieve a good result (over 90\% on all our metrics with only 4 correction scribbles).
Abstract（参考訳）: 本稿では,ユーザインタラクションの最小化による動的対話的かつ弱い教師付きセグメンテーション手法を提案し,スライド病理画像全体のセグメンテーションにおける2つの大きな課題を解決する。まず、アルゴリズムをトレーニングする手書きのデータセットがない。第2に、病理医と機械との対話を可能にする対話的パラダイムの欠如は、臨床ルーチンで使用する上で大きな障害となる可能性がある。そこで我々は,このギャップを埋めるための高速かつユーザ指向の手法を提案し,最終結果に対する病理医の制御を行い,良好な結果を得るために必要なインタラクションの数を制限した(補正スクリブルを4つしか持たない測定値の90%以上)。

関連論文リスト

SPA: Efficient User-Preference Alignment against Uncertainty in Medical Image Segmentation [8.34233304138989]
textbfSPAは、人間との相互作用が最小限である様々なテストタイムの好みに効率的に適応する。好みのセグメンテーションに達すると、臨床の作業量を減らす。 1) 既存の対話的セグメンテーションアプローチと比較して, 臨床時間と労力の大幅な削減が示されている。
論文参考訳（メタデータ） (2024-11-23T10:27:08Z)
Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文参考訳（メタデータ） (2023-12-26T12:56:31Z)
Disentangled Interaction Representation for One-Stage Human-Object Interaction Detection [70.96299509159981]
ヒューマン・オブジェクト・インタラクション(HOI)検出は、人間中心の画像理解のコアタスクである。最近のワンステージ手法では、対話予測に有用な画像ワイドキューの収集にトランスフォーマーデコーダを採用している。従来の2段階の手法は、非絡み合いで説明可能な方法で相互作用特徴を構成する能力から大きな恩恵を受ける。
論文参考訳（メタデータ） (2023-12-04T08:02:59Z)
PE-MED: Prompt Enhancement for Interactive Medical Image Segmentation [9.744164910887223]
本稿では,対話型医用画像分割のためのプロンプトエンハンスメント(PE-MED)を備えた新しいフレームワークを提案する。まず、最初のプロンプトに基づいて、温かい初期セグメンテーション結果を生成するセルフループ戦略を導入する。第2に、1つのインタラクションにおいて有用な情報をマイニングするための新しいPrompt Attention Learning Module (PALM)を提案する。
論文参考訳（メタデータ） (2023-08-26T03:11:48Z)
CGAM: Click-Guided Attention Module for Interactive Pathology Image Segmentation via Backpropagating Refinement [8.590026259176806]
腫瘍領域のセグメンテーションは、デジタル病理の定量的解析に欠かせない課題である。最近のディープニューラルネットワークは、様々な画像分割タスクで最先端のパフォーマンスを示している。本稿では,クリック型ユーザインタラクションによるディープニューラルネットワークの出力を改良する対話的セグメンテーション手法を提案する。
論文参考訳（メタデータ） (2023-07-03T13:45:24Z)
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)
Interactive Medical Image Segmentation with Self-Adaptive Confidence Calibration [10.297081695050457]
本稿では,自己適応信頼度校正(MECCA)を用いた対話型メダカルセグメンテーションという対話型セグメンテーションフレームワークを提案する。新規な行動に基づく信頼ネットワークを通じて評価を確立し、MARLから補正動作を得る。種々の医用画像データセットに対する実験結果から,提案アルゴリズムの有意な性能が示された。
論文参考訳（メタデータ） (2021-11-15T12:38:56Z)
MIDeepSeg: Minimally Interactive Segmentation of Unseen Objects from Medical Images Using Deep Learning [15.01235930304888]
ユーザインプットとしてクリックのみを必要とすることによる高効率な深層学習に基づく対話型セグメンテーション手法を提案する。提案フレームワークは,最先端の対話型フレームワークと比較して,ユーザインタラクションが少なく,時間も少なく,正確な結果が得られる。
論文参考訳（メタデータ） (2021-04-25T14:15:17Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文参考訳（メタデータ） (2020-08-19T06:02:46Z)
Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。