論文の概要: Automated Sperm Morphology Analysis Based on Instance-Aware Part Segmentation

• arxiv url: http://arxiv.org/abs/2408.00112v1
• Date: Wed, 31 Jul 2024 18:44:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-04 22:36:04.163231
• Title: Automated Sperm Morphology Analysis Based on Instance-Aware Part Segmentation
• Title（参考訳）: インスタンス認識部分分割に基づく精子形態の自動解析
• Authors: Wenyuan Chen, Haocong Song, Changsheng Dai, Aojun Jiang, Guanqiao Shan, Hang Liu, Yanlong Zhou, Khaled Abdalla, Shivani N Dhanani, Katy Fatemeh Moosavi, Shruti Pathak, Clifford Librach, Zhuoran Zhang, Yu Sun,
• Abstract要約: 本稿では,精子形態パラメータを自動的,定量的に測定する自動化手法を提案する。 新たなアテンションベースの部分分割ネットワークは、失われたコンテキストをバウンディングボックスの外に再構築するように設計されている。 末尾の終端を正確に再構成するために、外れ値フィルタリング法と終端検出アルゴリズムを設計する。
• 参考スコア（独自算出の注目度）: 10.433137850553148
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional sperm morphology analysis is based on tedious manual annotation. Automated morphology analysis of a high number of sperm requires accurate segmentation of each sperm part and quantitative morphology evaluation. State-of-the-art instance-aware part segmentation networks follow a "detect-then-segment" paradigm. However, due to sperm's slim shape, their segmentation suffers from large context loss and feature distortion due to bounding box cropping and resizing during ROI Align. Moreover, morphology measurement of sperm tail is demanding because of the long and curved shape and its uneven width. This paper presents automated techniques to measure sperm morphology parameters automatically and quantitatively. A novel attention-based instance-aware part segmentation network is designed to reconstruct lost contexts outside bounding boxes and to fix distorted features, by refining preliminary segmented masks through merging features extracted by feature pyramid network. An automated centerline-based tail morphology measurement method is also proposed, in which an outlier filtering method and endpoint detection algorithm are designed to accurately reconstruct tail endpoints. Experimental results demonstrate that the proposed network outperformed the state-of-the-art top-down RP-R-CNN by 9.2% [AP]_vol^p, and the proposed automated tail morphology measurement method achieved high measurement accuracies of 95.34%,96.39%,91.2% for length, width and curvature, respectively.
• Abstract（参考訳）: 従来の精子形態解析は退屈な手作業による注釈に基づいている。 多数の精子の自動形態解析は、各精子部分の正確な分節と定量的な形態評価を必要とする。 State-of-the-the-art instance-aware part segmentation networkは"detect-then-segment"パラダイムに従っている。 しかし、精子のスリムな形状のため、そのセグメンテーションは、ROI調整中に境界箱の刈り取りやリサイズによって大きなコンテキストロスと特徴的歪みに悩まされる。 また, 精子の尾部の形態計測は, 長く湾曲した形状と不均一な幅が要求される。 本稿では,精子形態パラメータを自動的,定量的に測定する自動化手法を提案する。 特徴ピラミッドネットワークによって抽出された特徴をマージすることで、注目に基づく新規なインスタンス認識部分分割ネットワークは、境界ボックスの外側の失われたコンテキストを再構築し、事前セグメンテーションマスクを精錬することにより歪んだ特徴を修正するように設計されている。 また, 終端を正確に再構成するために, 外乱フィルタ法と終端検出アルゴリズムを設計し, 自動中心線を用いた末尾形態計測法も提案した。 実験により,提案ネットワークは最先端のRP-R-CNNを9.2%[AP]_vol^pで上回り,自動尾部形状計測法は長さ,幅,曲率それぞれ95.34%,96.39%,91.2%の高測定精度を達成した。

関連論文リスト

• Abdominal organ segmentation via deep diffeomorphic mesh deformations [5.4173776411667935]
  CTとMRIによる腹部臓器の分節は,手術計画とコンピュータ支援ナビゲーションシステムにとって必須の要件である。 肝, 腎, 膵, 脾の分節に対するテンプレートベースのメッシュ再構成法を応用した。 結果として得られたUNetFlowは4つの器官すべてによく当てはまり、新しいデータに基づいて簡単に微調整できる。
  論文  参考訳（メタデータ） (2023-06-27T14:41:18Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• A novel shape-based loss function for machine learning-based seminal organ segmentation in medical imaging [1.0312968200748116]
  深部畳み込みニューラルネットワークは、正確かつ自動セミナルセグメンテーションにおいて有望な性能を示した。 ネットワークが基礎となる形状の特徴を学習・把握することを奨励・抑制する,新しい形状に基づくコスト関数を提案する。
  論文  参考訳（メタデータ） (2022-03-07T12:26:30Z)
• Topology-Preserving Segmentation Network: A Deep Learning Segmentation Framework for Connected Component [7.95119530218428]
  医用画像では、腎臓や肺などの構造のトポロジーが通常知られている。 イットトポロジ保存セグメンテーションネットワーク(TPSN)をトレーニングし、正確なセグメンテーション結果を与える。 TPSNは、UNetを通して変形マップを生成する変形ベースのモデルである。 本稿では,画像のマルチレベル情報を組み込んだマルチスケールTPSNを開発し,より正確なセグメンテーション結果を生成する。
  論文  参考訳（メタデータ） (2022-02-27T09:56:33Z)
• Leveraging Unsupervised Image Registration for Discovery of Landmark Shape Descriptor [5.40076482533193]
  本稿では,画像からランドマークを発見するための自己教師型深層学習手法を提案する。 我々は、ランドマーク駆動のイメージ登録を主要なタスクとして使用し、ニューラルネットワークにイメージを適切に登録するランドマークを見つけるように強制する。 提案手法は分割と前処理を回避し、2D画像や3D画像のみを用いて使用可能な形状記述子を直接生成する。
  論文  参考訳（メタデータ） (2021-11-13T01:02:10Z)
• Automatic size and pose homogenization with spatial transformer network to improve and accelerate pediatric segmentation [51.916106055115755]
  空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。 私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。 腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
  論文  参考訳（メタデータ） (2021-07-06T14:50:03Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Prostate motion modelling using biomechanically-trained deep neural networks on unstructured nodes [0.28470372019928303]
  生体力学シミュレーションを用いて深部ニューラルネットワークをトレーニングし,超音波ガイド下介入時の前立腺運動を予測する。 PointNetは、有限要素(FE)シミュレーションを接地トラストデータとして使用して、ノイズ変位を予測するために訓練することができる。 320名の患者の臨床像データに対する160,000個の非線形FEシミュレーションに基づいて, トレーニングされたネットワークが, ホールドアウト患者セグメンテーションから直接サンプリングされた非構造化点集合に一般化されることを実証した。
  論文  参考訳（メタデータ） (2020-07-09T17:58:41Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。