論文の概要: Evaluation Metric for Quality Control and Generative Models in Histopathology Images

• arxiv url: http://arxiv.org/abs/2411.01034v1
• Date: Fri, 01 Nov 2024 21:09:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:50:50.418784
• Title: Evaluation Metric for Quality Control and Generative Models in Histopathology Images
• Title（参考訳）: 病理画像における品質管理と生成モデルの評価基準
• Authors: Pranav Jeevan, Neeraj Nixon, Abhijeet Patil, Amit Sethi,
• Abstract要約: ResNet-L2(RL2)は、病理組織学における生成モデルと画像品質を評価するための新しい指標である。 RL2の劣化に対する単調反応は、画質を評価するモデルに適している。 従来のメトリクスに比べて大幅に軽量で高速で、安定したメトリック値を与えるには画像が少ない。
• 参考スコア（独自算出の注目度）: 4.286484333745211
• License:
• Abstract: Our study introduces ResNet-L2 (RL2), a novel metric for evaluating generative models and image quality in histopathology, addressing limitations of traditional metrics, such as Frechet inception distance (FID), when the data is scarce. RL2 leverages ResNet features with a normalizing flow to calculate RMSE distance in the latent space, providing reliable assessments across diverse histopathology datasets. We evaluated the performance of RL2 on degradation types, such as blur, Gaussian noise, salt-and-pepper noise, and rectangular patches, as well as diffusion processes. RL2's monotonic response to increasing degradation makes it well-suited for models that assess image quality, proving a valuable advancement for evaluating image generation techniques in histopathology. It can also be used to discard low-quality patches while sampling from a whole slide image. It is also significantly lighter and faster compared to traditional metrics and requires fewer images to give stable metric value.
• Abstract（参考訳）: 本稿では,Frechet Inception distance (FID) などの従来の指標の限界に対処するため,遺伝子モデルと画像品質を評価する新しい指標であるResNet-L2(RL2)について紹介する。 RL2はResNetの機能を正規化フローで活用し、潜伏空間におけるRMSE距離を計算し、多様な病理組織学データセットにわたって信頼性の高い評価を提供する。 本研究では,RL2の劣化特性,例えば,ぼかし,ガウスノイズ,ソルト・アンド・ペッパーノイズ,長方形パッチ,拡散過程などについて検討した。 RL2の劣化に対する単調反応は、画像品質を評価するモデルに適しており、病理学において画像生成技術を評価するための貴重な進歩を証明している。 スライド画像全体からサンプリングしながら、低品質のパッチを破棄することも可能である。 また、従来のメトリクスに比べて大幅に軽量で高速で、安定したメトリック値を与えるために画像が少ない。

関連論文リスト

• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Efficient Test-Time Adaptation for Super-Resolution with Second-Order Degradation and Reconstruction [62.955327005837475]
  画像超解像(SR)は,低分解能(LR)から高分解能(HR)へのマッピングを,一対のHR-LRトレーニング画像を用いて学習することを目的としている。 SRTTAと呼ばれるSRの効率的なテスト時間適応フレームワークを提案し、SRモデルを異なる/未知の劣化型でテストドメインに迅速に適応させることができる。
  論文  参考訳（メタデータ） (2023-10-29T13:58:57Z)
• GAN-based Image Compression with Improved RDO Process [20.00340507091567]
  速度歪みの最適化を改良した新しいGANベースの画像圧縮手法を提案する。 これを実現するために、DisTSとMS-SSIMのメトリクスを用いて、色、テクスチャ、構造における知覚的変性を測定する。 提案手法は,既存のGAN法および最先端ハイブリッド(VVC)よりも優れている。
  論文  参考訳（メタデータ） (2023-06-18T03:21:11Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Non-Reference Quality Monitoring of Digital Images using Gradient Statistics and Feedforward Neural Networks [0.1657441317977376]
  デジタル画像の品質を評価するために,非参照品質指標を提案する。 提案手法は,提案手法よりも高速で,画像系列の品質評価に利用することができる。
  論文  参考訳（メタデータ） (2021-12-27T20:21:55Z)
• 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)
• Compressed Sensing for Photoacoustic Computed Tomography Using an Untrained Neural Network [1.7237160821929758]
  光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。 測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。 本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-29T09:01:58Z)
• A Lightweight Structure Aimed to Utilize Spatial Correlation for Sparse-View CT Reconstruction [6.8438089867929905]
  重度の画像ノイズやストレッチアーティファクトは、低線量プロトコルの主要な問題であることが判明した。 本論文では,現在普及しているアルゴリズムの限界を破るデュアルドメイン深層学習手法を提案する。 提案手法は,40.305のPSNRと0.948のSSIMに到達し,高モデルモビリティを確保しながら,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-01-19T13:26:17Z)
• Attention Based Real Image Restoration [48.933507352496726]
  深層畳み込みニューラルネットワークは、合成劣化を含む画像に対してより良い性能を発揮する。 本稿では,新しい1段ブラインド実画像復元ネットワーク(R$2$Net)を提案する。
  論文  参考訳（メタデータ） (2020-04-26T04:21:49Z)

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。