論文の概要: Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results
- arxiv url: http://arxiv.org/abs/2406.19540v2
- Date: Wed, 27 Nov 2024 22:44:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:16:24.934124
- Title: Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results
- Title（参考訳）: 重み付き円核融合:異なる物体検出結果から円の表現を組み込む
- Authors: Jialin Yue, Tianyuan Yao, Ruining Deng, Quan Liu, Juming Xiong, Junlin Guo, Haichun Yang, Yuankai Huo,
- Abstract要約: 円の表現は、医用画像研究において球状物体の識別を改善する方法として登場した。
重み付き円核融合(WCF)は、様々な円検出モデルからの予測をマージするための単純なアプローチである。
スライド画像全体(WSI)における糸球体検出のためのプロプライエタリなデータセットを用いて本手法の評価を行い,5%の性能向上を得た。
- 参考スコア（独自算出の注目度）: 9.146903293797552
- License:
- Abstract: Recently, the use of circle representation has emerged as a method to improve the identification of spherical objects (such as glomeruli, cells, and nuclei) in medical imaging studies. In traditional bounding box-based object detection, combining results from multiple models improves accuracy, especially when real-time processing isn't crucial. Unfortunately, this widely adopted strategy is not readily available for combining circle representations. In this paper, we propose Weighted Circle Fusion (WCF), a simple approach for merging predictions from various circle detection models. Our method leverages confidence scores associated with each proposed bounding circle to generate averaged circles. We evaluate our method on a proprietary dataset for glomerular detection in whole slide imaging (WSI) and find a performance gain of 5% compared to existing ensemble methods. Additionally, we assess the efficiency of two annotation methods, fully manual annotation and a human-in-the-loop (HITL) approach, in labeling 200,000 glomeruli. The HITL approach, which integrates machine learning detection with human verification, demonstrated remarkable improvements in annotation efficiency. The Weighted Circle Fusion technique not only enhances object detection precision but also notably reduces false detections, presenting a promising direction for future research and application in pathological image analysis. The source code has been made publicly available at https://github.com/hrlblab/WeightedCircleFusion
- Abstract（参考訳）: 近年、医療画像研究において球状物体(糸球体、細胞、核など)の同定を改善する方法として円表現が登場している。
従来のバウンディングボックスベースのオブジェクト検出では、複数のモデルからの結果を組み合わせることで、特にリアルタイム処理が重要でない場合、精度が向上する。
残念なことに、この広く採用されている戦略は円表現を組み合わせるために簡単には利用できない。
本稿では,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Weighted Circle Fusion (WCF)を提案する。
提案手法では,各有界円に関連付けられた信頼度を利用して平均円を生成する。
本手法は,スライド画像全体(WSI)における球状検出のための独自のデータセットを用いて評価し,既存のアンサンブル法と比較して5%の性能向上を示した。
さらに,2つのアノテーション手法,完全手動アノテーションとHuman-in-the-loop(HITL)アプローチの効率を評価する。
機械学習検出と人間の検証を統合したHITLアプローチは、アノテーション効率を著しく改善した。
重み付き円核融合法は、物体検出精度を向上するだけでなく、偽検出を顕著に低減し、将来の研究と病理画像解析への応用に有望な方向を示す。
ソースコードはhttps://github.com/hrlblab/WeightedCircleFusionで公開されている。
関連論文リスト
- Circle Representation for Medical Instance Object Segmentation [6.4832235108711345]
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。
論文 参考訳（メタデータ） (2024-03-18T06:25:41Z) - KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。
オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
論文 参考訳（メタデータ） (2024-03-15T08:44:56Z) - SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳（メタデータ） (2024-03-08T16:14:54Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - 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) - 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) - 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) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-27T18:54:25Z) - 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) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳（メタデータ） (2020-11-17T09:39:42Z) - Improving concave point detection to better segment overlapped objects
in images [0.0]
本稿では,画像上に重なり合うオブジェクトを分割する第1ステップとして,凹点検出手法の最先端性を向上する手法を提案する。
これは、物体の輪郭の曲率の分析に基づいている。
ケーススタディとして, 末梢血スミア検体における重複細胞の分裂など, 良く知られた応用が評価された。
論文 参考訳（メタデータ） (2020-08-03T16:32:49Z)
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。