Fugu-MT 論文翻訳(概要): Circle Representation for Medical Instance Object Segmentation

論文の概要: Circle Representation for Medical Instance Object Segmentation

arxiv url: http://arxiv.org/abs/2403.11507v1
Date: Mon, 18 Mar 2024 06:25:41 GMT
ステータス: 処理完了
システム内更新日: 2024-03-19 16:26:41.703872
Title: Circle Representation for Medical Instance Object Segmentation
Title（参考訳）: 医療用インスタンスオブジェクトセグメンテーションのためのサークル表現
Authors: Juming Xiong, Ethan H. Nguyen, Yilin Liu, Ruining Deng, Regina N Tyree, Hernan Correa, Girish Hiremath, Yaohong Wang, Haichun Yang, Agnes B. Fogo, Yuankai Huo,
Abstract要約: 球状医療オブジェクトをインスタンスレベルでセグメント化するための円輪郭変形を利用した,単純なエンドツーエンドセグメンテーション手法であるCircleSnakeを紹介する。病理画像における糸球体、核、好酸球の検出などの実用化において、CircleSnakeは優れた性能と回転不変性を示した。
参考スコア（独自算出の注目度）: 6.4832235108711345
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recently, circle representation has been introduced for medical imaging, designed specifically to enhance the detection of instance objects that are spherically shaped (e.g., cells, glomeruli, and nuclei). Given its outstanding effectiveness in instance detection, it is compelling to consider the application of circle representation for segmenting instance medical objects. In this study, we introduce CircleSnake, a simple end-to-end segmentation approach that utilizes circle contour deformation for segmenting ball-shaped medical objects at the instance level. The innovation of CircleSnake lies in these three areas: (1) It substitutes the complex bounding box-to-octagon contour transformation with a more consistent and rotation-invariant bounding circle-to-circle contour adaptation. This adaptation specifically targets ball-shaped medical objects. (2) The circle representation employed in CircleSnake significantly reduces the degrees of freedom to two, compared to eight in the octagon representation. This reduction enhances both the robustness of the segmentation performance and the rotational consistency of the method. (3) CircleSnake is the first end-to-end deep instance segmentation pipeline to incorporate circle representation, encompassing consistent circle detection, circle contour proposal, and circular convolution in a unified framework. This integration is achieved through the novel application of circular graph convolution within the context of circle detection and instance segmentation. In practical applications, such as the detection of glomeruli, nuclei, and eosinophils in pathological images, CircleSnake has demonstrated superior performance and greater rotation invariance when compared to benchmarks. The code has been made publicly available: https://github.com/hrlblab/CircleSnake.
Abstract（参考訳）: 近年、球形(例えば、細胞、糸球体、核など)のインスタンスオブジェクトの検出を強化するためにデザインされた医療画像のための円表現が導入されている。インスタンス検出における顕著な有効性を考えると、円表現の例医療オブジェクトのセグメント化への応用を考えることは魅力的である。本研究では,球状医療オブジェクトをインスタンスレベルでセグメント化するための円輪郭変形を利用した,単純なエンドツーエンドセグメンテーション手法であるCircleSnakeを紹介する。 CircleSnakeの革新は以下の3つの領域にある: 1) 複素有界箱対八角形の輪郭変換を、より一貫した、回転不変な円対円の輪郭適応で置き換える。この適応は、特にボール型の医療オブジェクトをターゲットにしている。 2)CircleSnakeにおける円表現は,八角形表現では八角形表現では八角形表現の場合に比べて,自由度を2に著しく低下させる。この低減により, セグメンテーション性能の堅牢性と手法の回転整合性の両方が向上する。 (3)CircleSnakeは、円の表現を取り入れた最初のエンドツーエンドのディープ・インスタンス・セグメンテーションパイプラインであり、一貫した円の検出、円の輪郭の提案、および円の畳み込みを統一されたフレームワークに含めている。この積分は、円検出とインスタンスセグメンテーションの文脈における円グラフ畳み込みの新たな応用によって達成される。病理画像における糸球体、核、好酸球の検出などの実用的応用において、CircleSnakeはベンチマークと比較して優れた性能と回転不変性を示した。コードは、https://github.com/hrlblab/CircleSnake.comで公開されている。

関連論文リスト

Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results [9.540862304334969]
Weighted Circle Fusion (WCF) は、様々な円検出モデルから予測をマージする簡単な手法である。本手法は,全スライド画像(WSI)における物体検出における糸球体検出のための独自のデータセットの徹底的な評価を行う。その結果,既存のアンサンブル法と比較すると,性能は5%向上した。
論文参考訳（メタデータ） (2024-06-27T21:34:51Z)
AdaContour: Adaptive Contour Descriptor with Hierarchical Representation [52.381359663689004]
既存の角度ベースの輪郭記述子は、星以外の形状の損失表現に悩まされる。 AdaConは、他のディスクリプタよりも正確に形を表現できる。
論文参考訳（メタデータ） (2024-04-12T07:30:24Z)
CircleFormer: Circular Nuclei Detection in Whole Slide Images with Circle Queries and Attention [13.947162082687417]
動的アンカー円を用いたトランスフォーマーを用いた円形医療物体検出システムであるCircleFormerを提案する。一般向けMoNuSegデータセットを用いた円形核検出とセグメンテーションにおける本手法の評価を行った。
論文参考訳（メタデータ） (2023-08-30T17:01:01Z)
CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。点に基づく3次元回転の連続分布を導入する。
論文参考訳（メタデータ） (2023-03-06T13:14:10Z)
Recurrent Generic Contour-based Instance Segmentation with Progressive Learning [111.31166268300817]
本稿では,一般的な輪郭型インスタンスセグメンテーションのための新しいディープネットワークアーキテクチャ,すなわちPolySnakeを提案する。従来のSnakeアルゴリズムに動機付け,提案したPolySnakeはより優れた,堅牢なセグメンテーション性能を実現する。
論文参考訳（メタデータ） (2023-01-21T05:34:29Z)
CircleNet: Reciprocating Feature Adaptation for Robust Pedestrian Detection [62.41288479917261]
本稿では,人間が低解像度で隠蔽された物体を見る過程を模倣して特徴適応を実現するため,CircleNetと呼ばれる新しい特徴学習モデルを提案する。 Caltech(カルテック)とCityPersons(シティパーソンズ)という2つの歩行者検出データセットの実験によると、CircleNetは、障害物のある歩行者と低解像度歩行者のパフォーマンスを大幅に改善する。
論文参考訳（メタデータ） (2022-12-12T04:10:24Z)
Iterative Next Boundary Detection for Instance Segmentation of Tree Rings in Microscopy Images of Shrub Cross Sections [58.720142291102135]
反復次境界検出(INBD)と呼ばれる新しい反復法を提案する。自然成長方向を直感的にモデル化し、低木断面の中心から始まり、各ステップにおける次のリング境界を検出する。我々の実験では、INBDはジェネリックインスタンスセグメンテーション法よりも優れた性能を示し、時間順の概念を組み込んだ唯一の方法である。
論文参考訳（メタデータ） (2022-12-06T14:49:41Z)
CircleSnake: Instance Segmentation with Circle Representation [4.009829991224921]
本研究では,ボール形状の医療物体に対する簡易な円錐形状変形法であるCircleSnakeを提案する。一般的なDeepSnake法と比較して、我々の貢献は3倍である。 The proposed CircleSnake method is the first end-to-end circle representation Deep segmentation pipeline method。
論文参考訳（メタデータ） (2022-11-02T16:34:20Z)
Circle Representation for Medical Object Detection [5.359910146589289]
ボックス表現は有効であるが、必ずしもバイオメディカルオブジェクトに最適化されていない。本稿では,医療用物体検出のための簡単な円表現を提案し,CircleNetを導入する。病理画像上での糸球体と核の検出において,提案した円周表現は優れた検出性能を示した。
論文参考訳（メタデータ） (2021-10-22T23:16:42Z)
CircleNet: Anchor-free Detection with Circle Representation [10.081591705078678]
CircleNetは球状球状球状体を検出するための円表現を用いた単純なアンカーフリー検出法である。糸球体検出の文脈におけるCircleNetの評価を行った。
論文参考訳（メタデータ） (2020-06-03T18:31:51Z)
A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
論文参考訳（メタデータ） (2020-03-16T14:04:45Z)

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。