論文の概要: HistoSegCap: Capsules for Weakly-Supervised Semantic Segmentation of
Histological Tissue Type in Whole Slide Images
- arxiv url: http://arxiv.org/abs/2402.10851v1
- Date: Fri, 16 Feb 2024 17:44:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-19 14:50:09.985771
- Title: HistoSegCap: Capsules for Weakly-Supervised Semantic Segmentation of
Histological Tissue Type in Whole Slide Images
- Title(参考訳): HistoSegCap:全スライディング画像における組織型組織分類の微調整のためのカプセル
- Authors: Mobina Mansoori, Sajjad Shahabodini, Jamshid Abouei, Arash Mohammadi,
Konstantinos N. Plataniotis
- Abstract要約: デジタル病理学では、物理的組織スライドを高解像度の全体スライド画像(WSI)に変換する。
多数の顕微鏡フィールドを持つ大きな組織学スライドは、ビジュアルサーチの課題を提起する。
コンピュータ支援診断システム(CAD)は、WSIを効率的に検査し、診断に関連のある領域を識別するための視覚的補助を提供する。
- 参考スコア(独自算出の注目度): 19.975420988169454
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital pathology involves converting physical tissue slides into
high-resolution Whole Slide Images (WSIs), which pathologists analyze for
disease-affected tissues. However, large histology slides with numerous
microscopic fields pose challenges for visual search. To aid pathologists,
Computer Aided Diagnosis (CAD) systems offer visual assistance in efficiently
examining WSIs and identifying diagnostically relevant regions. This paper
presents a novel histopathological image analysis method employing Weakly
Supervised Semantic Segmentation (WSSS) based on Capsule Networks, the first
such application. The proposed model is evaluated using the Atlas of Digital
Pathology (ADP) dataset and its performance is compared with other
histopathological semantic segmentation methodologies. The findings underscore
the potential of Capsule Networks in enhancing the precision and efficiency of
histopathological image analysis. Experimental results show that the proposed
model outperforms traditional methods in terms of accuracy and the mean
Intersection-over-Union (mIoU) metric.
- Abstract(参考訳): デジタル病理学は、物理的組織スライドを高解像度の全体スライド画像(WSI)に変換することを含む。
しかし、多数の顕微鏡場を持つ大きな組織学スライドは、視覚探索に挑戦する。
病理医を支援するために、CAD(Computer Aided Diagnosis)システムは、WSIを効率的に検査し、診断に関連のある領域を特定する視覚的補助を提供する。
本稿では,まず,カプセルネットワークをベースとしたWakly Supervised Semantic Segmentation(WSSS)を用いた新しい病理画像解析手法を提案する。
提案手法はAtlas of Digital Pathology(ADP)データセットを用いて評価し,その性能を他の組織学的意味分類法と比較した。
病理組織学的画像解析の精度と効率を高めるため,カプセルネットワークの可能性が示唆された。
実験の結果,提案手法は従来の手法よりも精度と平均交点オーバー結合(miou)メトリックよりも優れていることがわかった。
関連論文リスト
- Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳(メタデータ) (2023-11-10T11:49:49Z) - Glioma subtype classification from histopathological images using
in-domain and out-of-domain transfer learning: An experimental study [9.161480191416551]
成人型びまん性グリオーマのコンピュータ支援分類のための様々な伝達学習戦略と深層学習アーキテクチャを比較した。
半教師付き学習手法を提案し、細調整されたモデルを用いて、スライド画像全体の無注釈領域のラベルを予測する。
モデルはその後、前のステップで決定された接地構造ラベルと弱いラベルを用いて再訓練され、標準のドメイン間転送学習と比較して優れた性能を提供する。
論文 参考訳(メタデータ) (2023-09-29T13:22:17Z) - A General-Purpose Self-Supervised Model for Computational Pathology [9.505290216109609]
UNIは,10万以上の診断ヘマトキシリンおよびエオシンWSIから1億以上の組織パッチを事前訓練した,病理の汎用的自己管理モデルである。
CPathにおける新しいモデリング機能として,分解能診断組織分類,数発のクラスプロトタイプを用いたスライド分類,最大108種類のがんの分類における疾患サブタイプ一般化などを紹介した。
論文 参考訳(メタデータ) (2023-08-29T17:52:10Z) - The Whole Pathological Slide Classification via Weakly Supervised
Learning [7.313528558452559]
細胞核疾患と病理タイルの空間的相関の2つの病因を考察した。
本研究では,抽出器訓練中の汚れ分離を利用したデータ拡張手法を提案する。
次に,隣接行列を用いてタイル間の空間的関係を記述する。
これら2つのビューを統合することで,H&E染色組織像を解析するためのマルチインスタンス・フレームワークを設計した。
論文 参考訳(メタデータ) (2023-07-12T16:14:23Z) - 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) - A Computer-Aided Diagnosis System for Breast Pathology: A Deep Learning
Approach with Model Interpretability from Pathological Perspective [6.583997407109283]
深層学習による病変検出と分類のためのコンピュータ支援診断システム(CAD)を開発した。
本研究では, 畳み込みニューラルネットワーク(CNN)の分類において, 深い特徴が示され, 包括的解釈が可能となった。
論文 参考訳(メタデータ) (2021-08-05T14:43:59Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Weakly supervised multiple instance learning histopathological tumor
segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。
トレーニングモデルに複数のインスタンス学習スキームを利用する。
提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文 参考訳(メタデータ) (2020-04-10T13:12:47Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳(メタデータ) (2020-03-31T11:50:43Z)
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。