論文の概要: DAFFNet: A Dual Attention Feature Fusion Network for Classification of White Blood Cells

• arxiv url: http://arxiv.org/abs/2405.16220v1
• Date: Sat, 25 May 2024 13:09:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 00:21:21.759091
• Title: DAFFNet: A Dual Attention Feature Fusion Network for Classification of White Blood Cells
• Title（参考訳）: DAFFNet: 白血球の分類のための二重注意機能融合ネットワーク
• Authors: Yuzhuo Chen, Zetong Chen, Yunuo An, Chenyang Lu, Xu Qiao,
• Abstract要約: 本稿では,WBC の形態的特徴と高レベルな意味的特徴を統合した新しいデュアルブランチネットワーク Dual Attention Feature Fusion Network (DAFFNet) を提案する。 提案するネットワークフレームワークは,6つの公開データセットに対して98.77%,91.30%,98.36%,99.71%,98.45%,98.85%の総合的精度を達成した。
• 参考スコア（独自算出の注目度）: 2.0005570775461567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The precise categorization of white blood cell (WBC) is crucial for diagnosing blood-related disorders. However, manual analysis in clinical settings is time-consuming, labor-intensive, and prone to errors. Numerous studies have employed machine learning and deep learning techniques to achieve objective WBC classification, yet these studies have not fully utilized the information of WBC images. Therefore, our motivation is to comprehensively utilize the morphological information and high-level semantic information of WBC images to achieve accurate classification of WBC. In this study, we propose a novel dual-branch network Dual Attention Feature Fusion Network (DAFFNet), which for the first time integrates the high-level semantic features with morphological features of WBC to achieve accurate classification. Specifically, we introduce a dual attention mechanism, which enables the model to utilize the channel features and spatially localized features of the image more comprehensively. Morphological Feature Extractor (MFE), comprising Morphological Attributes Predictor (MAP) and Morphological Attributes Encoder (MAE), is proposed to extract the morphological features of WBC. We also implement Deep-supervised Learning (DSL) and Semi-supervised Learning (SSL) training strategies for MAE to enhance its performance. Our proposed network framework achieves 98.77%, 91.30%, 98.36%, 99.71%, 98.45%, and 98.85% overall accuracy on the six public datasets PBC, LISC, Raabin-WBC, BCCD, LDWBC, and Labelled, respectively, demonstrating superior effectiveness compared to existing studies. The results indicate that the WBC classification combining high-level semantic features and low-level morphological features is of great significance, which lays the foundation for objective and accurate classification of WBC in microscopic blood cell images.
• Abstract（参考訳）: 白血球(WBC)の正確な分類は、血液関連疾患の診断に不可欠である。 しかし、臨床環境での手動分析は時間がかかり、労働集約的であり、エラーを起こしやすい。 多くの研究は、客観的なWBC分類を達成するために機械学習とディープラーニング技術を採用してきたが、これらの研究はWBC画像の情報を完全に活用していない。 そこで本研究の目的は,WBC画像の形態情報と高レベル意味情報を総合的に活用して,WBCの正確な分類を実現することである。 本研究では,WBCの形態的特徴とハイレベルな意味的特徴を初めて統合して正確な分類を実現する,新しいデュアルブランチネットワークDual Attention Feature Fusion Network (DAFFNet)を提案する。 具体的には、画像のチャネル特徴と空間的局所的特徴をより包括的に活用できる二重注意機構を導入する。 形態的属性予測器(MAP)と形態的属性エンコーダ(MAE)からなる形態的特徴抽出器(MFE)を提案し,WBCの形態的特徴を抽出した。 我々はまた、MAEのパフォーマンスを高めるために、ディープラーニング(DSL)と半教師付き学習(SSL)のトレーニング戦略を実装した。 提案するネットワークフレームワークは, PBC, LISC, Raabin-WBC, BCCD, LDWBC, Labelledの6つの公開データセットに対して, それぞれ98.77%, 91.30%, 98.36%, 99.71%, 98.45%, 98.85%の総合的精度を達成した。 その結果、WBCの高レベルな意味的特徴と低レベルの形態的特徴を組み合わせた分類が極めて重要であることが示唆され、顕微鏡的血球画像におけるWBCの客観的かつ正確な分類の基礎となった。

関連論文リスト

• SCKansformer: Fine-Grained Classification of Bone Marrow Cells via Kansformer Backbone and Hierarchical Attention Mechanisms [14.300958118264054]
  そこで本研究では,骨髄血球の詳細な分類モデルであるSCKansformerを提案する。 このモデルは、Kansformer、SCConvCD、Global-Local Attentionを統合している。 骨マーロウ血球微細粒度分類データセットを用いて,本モデルの有効性を検証した。
  論文  参考訳（メタデータ） (2024-06-14T11:25:53Z)
• Accurate Leukocyte Detection Based on Deformable-DETR and Multi-Level Feature Fusion for Aiding Diagnosis of Blood Diseases [5.788342067882157]
  本稿では,多レベル特徴融合と変形性自己注意型DETR(MFDS-DETR)という,新しい白血球検出法を提案する。 このモデルは、チャネルアテンションモジュールを介して低レベル特徴情報をフィルタリングするために、ハイレベル特徴を重みとして利用する。 マルチスケールの変形可能な自己保持モジュールをエンコーダに組み込むことにより、白血球機能不足の問題に対処する。
  論文  参考訳（メタデータ） (2024-01-01T16:28:30Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• WBCAtt: A White Blood Cell Dataset Annotated with Detailed Morphological Attributes [22.423647778787334]
  本稿では,WBC(White Blood Cells)画像に対する包括的なアノテーションを提案する。 細胞とその成分に関連する11の形態学的特性を同定した。 我々はこれらの属性を画像から予測する実験を行い、基本的なWBC分類を超えた洞察を提供する。
  論文  参考訳（メタデータ） (2023-06-23T14:52:37Z)
• A survey on automated detection and classification of acute leukemia and WBCs in microscopic blood cells [6.117084972237769]
  白血球 (Leukemia) は、白血球や白血球が骨髄や血液中に拡散する異常な疾患である。 従来の機械学習とディープラーニング技術は、医療画像の診断と分類の精度とスピードを高めるための実践的なロードマップである。 本稿では, 急性白血病およびWBCの検出と分類に関する包括的解析を行った。
  論文  参考訳（メタデータ） (2023-03-07T14:26:08Z)
• Classification of White Blood Cell Leukemia with Low Number of Interpretable and Explainable Features [0.0]
  白血球(WBC)白血病は画像ベース分類によって検出される。 畳み込みニューラルネットワークは、細胞のイメージを悪性または正常に分類するために必要な特徴を学ぶために使用される。 このタイプのモデルは、多数のパラメータを学習し、解釈と説明が困難である。 XAIモデルは、説明可能な機能と解釈可能な機能のみを使用し、4.38%以上の性能で他のアプローチと高い競争力を持つ。
  論文  参考訳（メタデータ） (2022-01-28T00:08:56Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Calibrating Class Activation Maps for Long-Tailed Visual Recognition [60.77124328049557]
  本稿では,CNNの長期分布からネットワーク学習を改善するための2つの効果的な修正を提案する。 まず,ネットワーク分類器の学習と予測を改善するために,CAMC (Class Activation Map) モジュールを提案する。 第2に,長期化問題における表現学習における正規化分類器の利用について検討する。
  論文  参考訳（メタデータ） (2021-08-29T05:45:03Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• 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)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。