Fugu-MT 論文翻訳(概要): Entropy Bootstrapping for Weakly Supervised Nuclei Detection

論文の概要: Entropy Bootstrapping for Weakly Supervised Nuclei Detection

arxiv url: http://arxiv.org/abs/2411.13528v1
Date: Wed, 20 Nov 2024 18:24:11 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-21 16:13:06.399780
Title: Entropy Bootstrapping for Weakly Supervised Nuclei Detection
Title（参考訳）: 弱教師付き核検出のためのエントロピーブートストラップ
Authors: James Willoughby, Irina Voiculescu,
Abstract要約: エントロピー推定には点ラベルを用いて,基礎となるセルピクセルの分布を近似する。この分布から全セルマスクを推定し,Mask-RCNNを用いてインスタンス分割出力を生成する。本手法は,95%の画素ラベルの削減にもかかわらず,比較的良好な性能が得られることを示す。
参考スコア（独自算出の注目度）: 5.125790742633738
License:
Abstract: Microscopy structure segmentation, such as detecting cells or nuclei, generally requires a human to draw a ground truth contour around each instance. Weakly supervised approaches (e.g. consisting of only single point labels) have the potential to reduce this workload significantly. Our approach uses individual point labels for an entropy estimation to approximate an underlying distribution of cell pixels. We infer full cell masks from this distribution, and use Mask-RCNN to produce an instance segmentation output. We compare this point--annotated approach with training on the full ground truth masks. We show that our method achieves a comparatively good level of performance, despite a 95% reduction in pixel labels.
Abstract（参考訳）: 細胞や核を検知するなどの顕微鏡構造セグメンテーションは、通常、人間が各インスタンスの周りに真実の輪郭を描く必要がある。弱教師付きアプローチ(例:単一点ラベルのみからなる)は、このワークロードを大幅に削減する可能性がある。提案手法では,個々の点ラベルを用いてエントロピー推定を行い,基礎となるセルピクセルの分布を近似する。この分布から全セルマスクを推定し,Mask-RCNNを用いてインスタンス分割出力を生成する。我々は、この点を注釈付けしたアプローチと、フルグランドの真理マスクのトレーニングを比較した。本手法は,95%の画素ラベルの削減にもかかわらず,比較的良好な性能が得られることを示す。

関連論文リスト

Extreme Point Supervised Instance Segmentation [28.191795758445352]
本稿では,各オブジェクトの極端点,左極端点,最下極点,右極端点を用いて,インスタンスセグメンテーションを学習するための新しいアプローチを提案する。これらの点は、正確なセグメンテーションのための強力な手がかりを提供しながら、現代のバウンディングボックスアノテーションプロセスで容易に利用可能である。本モデルでは,対象物を複数の部品に分けた場合に高品質なマスクを生成する。
論文参考訳（メタデータ） (2024-05-31T09:37:39Z)
PWISeg: Point-based Weakly-supervised Instance Segmentation for Surgical Instruments [27.89003436883652]
我々はPWISeg (Point-based Weakly-supervised Instance) という,弱制御型手術器具セグメンテーション手法を提案する。 PWISegは、特徴点とバウンディングボックスの関係をモデル化するために、ポイント・ツー・ボックスとポイント・ツー・マスクのブランチを備えたFCNベースのアーキテクチャを採用している。そこで本研究では,キー・ツー・マスク・ブランチを駆動し,より正確なセグメンテーション予測を生成するキー・ピクセル・アソシエーション・ロスとキー・ピクセル・アソシエーション・ロスを提案する。
論文参考訳（メタデータ） (2023-11-16T11:48:29Z)
All Points Matter: Entropy-Regularized Distribution Alignment for Weakly-supervised 3D Segmentation [67.30502812804271]
擬似ラベルは、弱い教師付き3Dセグメンテーションタスクに広く使われており、学習に使えるのはスパース・グラウンド・トラス・ラベルのみである。本稿では,生成した擬似ラベルを正規化し,擬似ラベルとモデル予測とのギャップを効果的に狭めるための新しい学習戦略を提案する。
論文参考訳（メタデータ） (2023-05-25T08:19:31Z)
High-fidelity Pseudo-labels for Boosting Weakly-Supervised Segmentation [17.804090651425955]
画像レベルの弱い教師付きセグメンテーション(WSSS)は、トレーニング中にセグメンテーションマスクを代理することで、通常膨大なデータアノテーションコストを削減する。本研究は,GAPの代替となる重要サンプリングと特徴類似性損失という,CAMを改善するための2つの手法に基づく。複数の独立二項問題の後部二項問題に基づいて両手法を再構成する。パフォーマンスが向上し、より一般的なものになり、事実上あらゆるWSSSメソッドを増強できるアドオンメソッドが出来上がります。
論文参考訳（メタデータ） (2023-04-05T17:43:57Z)
Which Pixel to Annotate: a Label-Efficient Nuclei Segmentation Framework [70.18084425770091]
ディープニューラルネットワークは、H&E染色病理像の核インスタンスセグメンテーションに広く応用されている。通常、類似したパターンと冗長なパターンを含む核画像のデータセットに全てのピクセルをラベル付けするのは非効率で不要である。そこで本研究では,アノテートするイメージパッチを数個だけ選択し,選択したサンプルからトレーニングセットを増強し,半教師付きで核分割を実現する,新しいフル核分割フレームワークを提案する。
論文参考訳（メタデータ） (2022-12-20T14:53:26Z)
Pointly-Supervised Panoptic Segmentation [106.68888377104886]
弱教師付き単眼セグメンテーションにポイントレベルのアノテーションを適用するための新しい手法を提案する。完全に教師された方法で使用される高密度のピクセルレベルラベルの代わりに、ポイントレベルラベルは、監督対象ごとに単一のポイントしか提供しない。我々は、ポイントレベルのラベルから同時に汎視的擬似マスクを生成し、それらから学習することで、エンドツーエンドのフレームワークにおける問題を定式化する。
論文参考訳（メタデータ） (2022-10-25T12:03:51Z)
One Thing One Click: A Self-Training Approach for Weakly Supervised 3D Semantic Segmentation [78.36781565047656]
私たちは、アノテーションーがオブジェクトごとに1ポイントだけラベルを付ける必要があることを意味する「One Thing One Click」を提案します。グラフ伝搬モジュールによって促進されるトレーニングとラベル伝搬を反復的に行う。私たちの結果は、完全に監督されたものと同等です。
論文参考訳（メタデータ） (2021-04-06T02:27:25Z)
Coping with Label Shift via Distributionally Robust Optimisation [72.80971421083937]
分散ロバスト最適化(DRO)に基づく目的最小化モデルを提案する。そこで我々は,提案した目的を最適化するために,大規模問題に適した勾配降下近位ミラー上昇アルゴリズムを設計し,解析する。
論文参考訳（メタデータ） (2020-10-23T08:33:04Z)
Mask-guided sample selection for Semi-Supervised Instance Segmentation [13.091166009687058]
半教師付きインスタンスセグメンテーションのためのアノテートするサンプルを決定するためのサンプル選択手法を提案する。本手法は, サンプルのラベル付きプールに対する擬似マスクの初回予測と, マスクの質を予測するスコアから構成される。品質スコアからアノテートしたほうがよいサンプルについて検討し, ランダム選択よりも優れた手法を示す。
論文参考訳（メタデータ） (2020-08-25T14:44:58Z)
Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
論文参考訳（メタデータ） (2020-07-10T15:41:29Z)

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。