論文の概要: Accelerating Biological Spatial Cluster Analysis with the Parallel Integral Image Technique

• arxiv url: http://arxiv.org/abs/2410.16291v1
• Date: Sun, 06 Oct 2024 02:09:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-27 05:40:35.338709
• Title: Accelerating Biological Spatial Cluster Analysis with the Parallel Integral Image Technique
• Title（参考訳）: 並列積分画像法による生体空間クラスター解析の高速化
• Authors: Seth Ockerman, Zachary Klamer, Brian Haab,
• Abstract要約: 本稿では,スライディングウィンドウ解析(SWA)における並列積分画像手法を提案する。 小型画像では131,806倍,大規模画像では1万倍以上の高速化を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Spatial cluster analysis (SCA) offers valuable insights into biological images; a common SCA technique is sliding window analysis (SWA). Unfortunately, SWA's computational cost hinders its application to larger images, limiting its use to small-scale images. With advancements in high-resolution microscopy, images now exceed the capabilities of previous SWA approaches, reaching sizes up to 70,000 by 85,000 pixels. To overcome these limitations, this paper introduces the parallel integral image approach to SWA, surpassing previous methods. We achieve a remarkable speedup of 131,806x on small-scale images and consistent speedups of over 10,000x on a variety of large-scale microscopy images. We analyze the computational complexity advantages of the parallel integral image approach and present experimental results that validate the superior performance of integral-image-based methods. Our approach is made available as an open-source Python PIP package available at https://github.com/OckermanSethGVSU/BioPII.
• Abstract（参考訳）: 空間クラスタ分析(SCA)は生物学的画像に対する貴重な洞察を与え、一般的なSCA技術はスライディングウィンドウ解析(SWA)である。 残念ながら、SWAの計算コストは、大規模な画像への適用を妨げるため、小型画像への使用を制限する。 高解像度顕微鏡の進歩により、画像は以前のSWAアプローチの能力を超え、最大70,000×85,000ピクセルに到達した。 これらの制約を克服するために,従来の手法を超越した並列積分画像アプローチをSWAに導入する。 小型画像では131,806倍,大規模画像では1万倍以上のスピードアップを実現している。 本稿では,並列積分画像手法の計算複雑性の利点と,積分像に基づく手法の優れた性能を検証した実験結果について分析する。 私たちのアプローチは、オープンソースのPython PIPパッケージとしてhttps://github.com/OckermanSethGVSU/BioPIIで利用可能です。

関連論文リスト

• SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
  SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。 PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。 また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
  論文  参考訳（メタデータ） (2024-07-25T11:22:54Z)
• Parameter-Inverted Image Pyramid Networks [49.35689698870247]
  Inverted Image Pyramid Networks (PIIP) と呼ばれる新しいネットワークアーキテクチャを提案する。 私たちの中核となる考え方は、パラメータサイズの異なるモデルを使用して、画像ピラミッドの解像度の異なるレベルを処理することです。 PIIPは、オブジェクト検出、セグメンテーション、画像分類などのタスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:10Z)
• Efficient Visual State Space Model for Image Deblurring [83.57239834238035]
  畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)は、画像復元において優れた性能を発揮している。 本稿では,画像のデブロアに対する簡易かつ効果的な視覚状態空間モデル(EVSSM)を提案する。
  論文  参考訳（メタデータ） (2024-05-23T09:13:36Z)
• Serpent: Scalable and Efficient Image Restoration via Multi-scale Structured State Space Models [22.702352459581434]
  サーペントは高解像度画像復元のための効率的なアーキテクチャである。 本稿では,Serpentが最先端技術に匹敵する再現性が得られることを示す。
  論文  参考訳（メタデータ） (2024-03-26T17:43:15Z)
• A Novel Algorithm for Exact Concave Hull Extraction [0.0]
  領域抽出は、自律運転における物体検出から細胞生物学における細胞内形態解析まで、幅広い用途で必要とされる。 2つの主要なアプローチがある: 凸殻抽出(convex hull extract)は、正確で効率的なアルゴリズムが存在し、実世界の形状を捉えるのに優れているが、単一の解を持たない。 本研究では,コンケーブ内包を最大分解能(ピクセル完全)で提供し,速度効率のトレードオフを調整可能な新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-23T05:26:48Z)
• ACNet: Approaching-and-Centralizing Network for Zero-Shot Sketch-Based Image Retrieval [28.022137537238425]
  textbfApproaching-and-textbfCentralizing textbfACNetwork (termed textbfACNet'')を提案する。 検索モジュールは合成モジュールをガイドし、写真ドメインに徐々に接近する多彩な写真ライクな画像を生成する。 提案手法は、広く使われている2つのZS-SBIRデータセットの最先端性能を達成し、従来手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2021-11-24T19:36:10Z)
• Image-specific Convolutional Kernel Modulation for Single Image Super-resolution [85.09413241502209]
  本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。 我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。 単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-11-16T11:05:10Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)
• Adaptive binarization based on fuzzy integrals [7.4836284046629995]
  本論文は,ファジィ積分のための改良SATの効率的な設計により,ファジィ積分画像に基づく適応バイナライズ手法を提案する。 実験結果から,提案手法は従来のアルゴリズムやサリエンシニューラルネットワークよりも画像品質の閾値付けが優れていることがわかった。
  論文  参考訳（メタデータ） (2020-03-04T18:30:57Z)
• multi-patch aggregation models for resampling detection [31.027514747510047]
  多くの最先端の法医学アルゴリズムは画像サイズに敏感であり、様々な次元の画像で操作すると、その性能は急速に低下する。 この問題に対処するため,ITERATIVE POOLINGと呼ばれる新しいプール方式を提案する。 このプーリング戦略は、ROI Max-poolingのように情報を失うことなく、離散的に入力テンソルを動的に調整することができる。
  論文  参考訳（メタデータ） (2020-03-03T07:19:56Z)

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。