論文の概要: Advancing Cell Detection in Anterior Segment Optical Coherence Tomography Images

• arxiv url: http://arxiv.org/abs/2406.17577v1
• Date: Tue, 25 Jun 2024 14:18:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-26 14:10:33.468126
• Title: Advancing Cell Detection in Anterior Segment Optical Coherence Tomography Images
• Title（参考訳）: 前部セグメント光コヒーレンス・トモグラフィー画像における細胞検出の促進
• Authors: Boyu Chen, Ameenat L. Solebo, Paul Taylor,
• Abstract要約: 前部ぶどう膜炎(英: Anterior uveitis)は、眼炎の一種であり、早期に診断されない場合、永久的な視力喪失を引き起こす。 この状態を監視するには、眼前室の炎症細胞を定量化する必要がある。 本稿では,AS-OCT画像中の細胞を自動検出するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 5.726632481428478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anterior uveitis, a common form of eye inflammation, can lead to permanent vision loss if not promptly diagnosed. Monitoring this condition involves quantifying inflammatory cells in the anterior chamber (AC) of the eye, which can be captured using Anterior Segment Optical Coherence Tomography (AS-OCT). However, manually identifying cells in AS-OCT images is time-consuming and subjective. Moreover, existing automated approaches may have limitations in both the effectiveness of detecting cells and the reliability of their detection results. To address these challenges, we propose an automated framework to detect cells in the AS-OCT images. This framework consists of a zero-shot chamber segmentation module and a cell detection module. The first module segments the AC area in the image without requiring human-annotated training data. Subsequently, the second module identifies individual cells within the segmented AC region. Through experiments, our framework demonstrates superior performance compared to current state-of-the-art methods for both AC segmentation and cell detection tasks. Notably, we find that previous cell detection approaches could suffer from low recall, potentially overlooking a significant number of cells. In contrast, our framework offers an improved solution, which could benefit the diagnosis and study of anterior uveitis. Our code for cell detection is publicly available at: https://github.com/joeybyc/cell_detection.
• Abstract（参考訳）: 前部ぶどう膜炎(英: Anterior uveitis)は、眼炎の一種であり、早期に診断されない場合、永久的な視力喪失を引き起こす。 この状態を監視するには、眼前室(AC)の炎症細胞を定量化する必要がある。 しかし、AS-OCT画像中の細胞を手動で同定することは時間と主観的である。 さらに、既存の自動化アプローチは、細胞の検出効率と検出結果の信頼性の両方に制限がある可能性がある。 これらの課題に対処するため,AS-OCT画像中の細胞を検出する自動フレームワークを提案する。 このフレームワークはゼロショットチャンバーセグメンテーションモジュールとセル検出モジュールで構成される。 第1モジュールは、人手によるトレーニングデータを必要とせずに、画像中のAC領域をセグメントする。 その後、第2モジュールは、セグメント化されたAC領域内の個々の細胞を特定する。 実験により,本フレームワークは,交流セグメンテーションとセル検出の両タスクにおいて,現在の最先端手法と比較して優れた性能を示す。 特に、これまでの細胞検出アプローチでは、リコールが低かったり、かなりの数の細胞を見落としたりする可能性があることがわかりました。 対照的に、我々のフレームワークは改善されたソリューションを提供しており、前部ぶどう膜炎の診断と研究に役立てることができる。 私たちの細胞検出コードは、https://github.com/joeybyc/cell_detection.comで公開されています。

関連論文リスト

• Cell as Point: One-Stage Framework for Efficient Cell Tracking [54.19259129722988]
  本稿では,一段階の効率的なセルトラッキングを実現するために,新しいエンドツーエンドCAPフレームワークを提案する。 CAPは検出またはセグメンテーション段階を放棄し、細胞点の軌跡間の相関を利用して細胞を共同で追跡することでプロセスを単純化する。 Capは強力なセルトラッキング性能を示し、既存の方法の10倍から55倍の効率を示している。
  論文  参考訳（メタデータ） (2024-11-22T10:16:35Z)
• Interpretable Embeddings for Segmentation-Free Single-Cell Analysis in Multiplex Imaging [1.8687965482996822]
  多重イメージング(MI)は、複数の生物学的マーカーを、細胞内解像度で別々のイメージングチャネルで同時に可視化することを可能にする。 本稿では,グループ化畳み込みを利用して各画像チャンネルから解釈可能な埋め込み特徴を学習するセグメンテーションフリーなディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-11-02T11:21:33Z)
• Cell Tracking in C. elegans with Cell Position Heatmap-Based Alignment and Pairwise Detection [3.3998740964877463]
  生体内の3D細胞追跡は、生きた細胞画像解析において重要な役割を担っている。 細胞検出は、触覚細胞と低コントラスト画像によって連続したフレームに矛盾することが多い。 本稿では,これらの問題に対処する細胞追跡手法を提案する。
  論文  参考訳（メタデータ） (2024-03-20T08:53:56Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• DeGPR: Deep Guided Posterior Regularization for Multi-Class Cell Detection and Counting [14.222014969736993]
  マルチクラス細胞検出とカウントは多くの病理診断に必須の課題である。 本稿では,細胞間における識別的特徴の活用を誘導することにより,物体検出を支援するガイド付き後部正則化(DeGPR)を提案する。 2つの公開データセットと、コントリビュートした新しいデータセットであるMuCeD上で、私たちのモデルを検証します。
  論文  参考訳（メタデータ） (2023-04-03T06:25:45Z)
• Dual-View Selective Instance Segmentation Network for Unstained Live Adherent Cells in Differential Interference Contrast Images [11.762090096790823]
  接着細胞は低コントラスト構造、フェーディングエッジ、不規則な形態を有する。 DIC画像中の非定常付着細胞をセグメント化するための新しいディープラーニングアルゴリズムを開発した。 このアルゴリズムは、ベンチマークを23.6%上回る0.555のAP_segmを達成する。
  論文  参考訳（メタデータ） (2023-01-27T02:22:33Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Cell Segmentation and Tracking using CNN-Based Distance Predictions and a Graph-Based Matching Strategy [0.20999222360659608]
  顕微鏡画像における触覚細胞のセグメンテーション法を提案する。 距離マップにインスパイアされた新しい細胞境界の表現を用いることで, 触覚細胞だけでなく, 近接細胞をトレーニングプロセスで利用することができる。 この表現は、特にアノテーションエラーに対して堅牢であり、未表現または未含の細胞型を含むトレーニングデータに含まれる顕微鏡画像のセグメンテーションに対して有望な結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T11:55:28Z)

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。