論文の概要: A Bilayer Segmentation-Recombination Network for Accurate Segmentation of Overlapping C. elegans

• arxiv url: http://arxiv.org/abs/2411.17557v1
• Date: Tue, 26 Nov 2024 16:18:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:36:56.902886
• Title: A Bilayer Segmentation-Recombination Network for Accurate Segmentation of Overlapping C. elegans
• Title（参考訳）: 重なり合うC. eleganの正確なセグメンテーションのための2層セグメンテーション・リコンビネーションネットワーク
• Authors: Mengqian Dinga, Jun Liua, Yang Luo, Jinshan Tang,
• Abstract要約: 線虫Caenorhabditis elegans(C. elegans)は、寿命が短く、ヒト遺伝子とのホモロジーも高いため、優れたモデル生物である。 1)C. elegansの活性軌道は制御不能であり、複数の線虫が重なり合い、C. elegansの境界が曖昧になる。
• 参考スコア（独自算出の注目度）: 3.5584315365061006
• License:
• Abstract: Caenorhabditis elegans (C. elegans) is an excellent model organism because of its short lifespan and high degree of homology with human genes, and it has been widely used in a variety of human health and disease models. However, the segmentation of C. elegans remains challenging due to the following reasons: 1) the activity trajectory of C. elegans is uncontrollable, and multiple nematodes often overlap, resulting in blurred boundaries of C. elegans. This makes it impossible to clearly study the life trajectory of a certain nematode; and 2) in the microscope images of overlapping C. elegans, the translucent tissues at the edges obscure each other, leading to inaccurate boundary segmentation. To solve these problems, a Bilayer Segmentation-Recombination Network (BR-Net) for the segmentation of C. elegans instances is proposed. The network consists of three parts: A Coarse Mask Segmentation Module (CMSM), a Bilayer Segmentation Module (BSM), and a Semantic Consistency Recombination Module (SCRM). The CMSM is used to extract the coarse mask, and we introduce a Unified Attention Module (UAM) in CMSM to make CMSM better aware of nematode instances. The Bilayer Segmentation Module (BSM) segments the aggregated C. elegans into overlapping and non-overlapping regions. This is followed by integration by the SCRM, where semantic consistency regularization is introduced to segment nematode instances more accurately. Finally, the effectiveness of the method is verified on the C. elegans dataset. The experimental results show that BR-Net exhibits good competitiveness and outperforms other recently proposed instance segmentation methods in processing C. elegans occlusion images.
• Abstract（参考訳）: 線虫Caenorhabditis elegans(C. elegans)は、寿命が短く、ヒト遺伝子とのホモロジーも高いため、優れたモデル生物である。 しかし、C. elegansのセグメンテーションは以下の理由により難しいままである。 1) 線虫C. elegansの活性軌道は制御不能であり、複数の線虫が重なり合い、線虫C. elegansの境界がぼやけてしまう。 これにより、特定の線虫の生活軌跡をはっきりと研究することは不可能となり、 2) 重なり合うC. elegansの顕微鏡像では, 縁の半透明な組織が互いにあいまいになり, 不正確な境界セグメンテーションが生じた。 これらの問題を解決するために,C. elegans インスタンスのセグメンテーションのための Bilayer Segmentation-Recombination Network (BR-Net) を提案する。 ネットワークは、粗いマスクセグメンテーションモジュール(CMSM)、二層セグメンテーションモジュール(BSM)、セマンティック一貫性再結合モジュール(SCRM)の3つの部分で構成されている。 CMSMは粗いマスクを抽出するために使用され、CMSMに統一注意モジュール(UAM)を導入し、CMSMが線虫のインスタンスをよりよく認識できるようにする。 Bilayer Segmentation Module (BSM)は、集約されたC. elegansを重なり合う領域と非重なり合う領域に分割する。 この後、SCRMが統合され、セグメンテーションのネマトドインスタンスをより正確に分割するためにセグメンテーションの整合性が導入された。 最後に,本手法の有効性をC. elegansデータセットで検証した。 実験の結果,BR-Netの競合性は良好であり,C. elegans occlusion 画像の処理における他のインスタンスセグメンテーション手法よりも優れていた。

関連論文リスト

• Enhancing Weakly Supervised Semantic Segmentation with Multi-modal Foundation Models: An End-to-End Approach [7.012760526318993]
  Weakly-Supervised Semantic (WSSS)は、広範囲なラベリングに対してコスト効率のよい回避手段を提供する。 既存のWSSSメソッドは、セグメンテーション結果の低さにつながるオブジェクトの境界を理解するのに苦労しています。 本稿では,境界ボックス内の視覚的基盤モデルを活用することにより,これらの問題に対処する,新しい効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-10T16:42:25Z)
• CausalCellSegmenter: Causal Inference inspired Diversified Aggregation Convolution for Pathology Image Segmentation [9.021612471640635]
  深層学習モデルは、病理画像解析の分野で、細胞核セグメンテーションに有望な性能を示した。 本稿では,Causal Inference Module (CIM) とDiversified Aggregation Convolution (DAC) を組み合わせた新しいフレームワークCausalCellSegmenterを提案する。
  論文  参考訳（メタデータ） (2024-03-10T03:04:13Z)
• Concealed Object Segmentation with Hierarchical Coherence Modeling [9.185195569812667]
  隠れオブジェクトセグメンテーション(COS)のための階層型コヒーレンスモデリング(HCM)セグメンタを提案する。 HCMは、段内コヒーレンスと段間コヒーレンスモジュールを活用することで特徴コヒーレンスを促進する。 低信頼領域の未検出部分を検出するための可逆再校正デコーダも導入する。
  論文  参考訳（メタデータ） (2024-01-22T09:02:52Z)
• Unsupervised Universal Image Segmentation [59.0383635597103]
  本稿では,Unsupervised Universal Model (U2Seg) を提案する。 U2Segは、自己教師付きモデルを利用して、これらのセグメンテーションタスクの擬似意味ラベルを生成する。 次に、これらの擬似意味ラベル上でモデルを自己学習し、かなりの性能向上をもたらす。
  論文  参考訳（メタデータ） (2023-12-28T18:59:04Z)
• Semantic Connectivity-Driven Pseudo-labeling for Cross-domain Segmentation [89.41179071022121]
  自己学習はドメイン間セマンティックセグメンテーションにおいて一般的なアプローチである。 本稿ではセマンティック・コネクティビティ駆動の擬似ラベル方式を提案する。 このアプローチは、接続レベルにおいて擬似ラベルを定式化し、構造的および低雑音のセマンティクスの学習を容易にする。
  論文  参考訳（メタデータ） (2023-12-11T12:29:51Z)
• Automated 3D Tumor Segmentation using Temporal Cubic PatchGAN (TCuP-GAN) [0.276240219662896]
  テンポラルキューブPatchGAN(TCuP-GAN)は、畳み込み長短期記憶ネットワーク(LSTM)を用いた生成的特徴学習フレームワークの概念を結合したボリューム・ツー・ボリューム翻訳モデルである。 われわれは,4つのセグメンテーション課題 (Adult Glioma, Meningioma, Pediatric tumors, Sub-Saharan Africa) のデータに基づくTCuP-GANの有用性を実証した。 すべての課題にまたがって、堅牢なマルチクラスセグメンテーションマスクを予測するために、我々のフレームワークが成功したことを実証する。
  論文  参考訳（メタデータ） (2023-11-23T18:37:26Z)
• DoNet: Deep De-overlapping Network for Cytology Instance Segmentation [7.321293750325454]
  本稿では,分解・再結合戦略における重複ネットワーク(DoNet)を提案する。 Dual-path Region Module (DRM) は、セルクラスタを交差領域と補領域に明示的に分解する。 Mask-guided Region Proposal Strategy (MRP)は、内部セルインスタンス予測のためのセルアテンションマップを統合する。
  論文  参考訳（メタデータ） (2023-03-25T06:26:50Z)
• BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung Infection Segmentation from CT Images [83.82141604007899]
  BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。 BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。 BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
  論文  参考訳（メタデータ） (2022-07-17T08:54:07Z)
• Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation [92.9634065964963]
  我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。 現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-10-17T08:49:33Z)
• Deep Occlusion-Aware Instance Segmentation with Overlapping BiLayers [72.38919601150175]
  高オーバーラップオブジェクトをセグメント化するBilayer Convolutional Network (BCNet)を提案する。 BCNetはオクルージョンオブジェクト(Occluder)を検出し、ボトムGCN層は部分的にOccludedインスタンス(Occludee)を推論する
  論文  参考訳（メタデータ） (2021-03-23T06:25:42Z)
• Class-wise Dynamic Graph Convolution for Semantic Segmentation [63.08061813253613]
  本稿では,情報を適応的に伝達するクラスワイド動的グラフ畳み込み (CDGC) モジュールを提案する。 また、CDGCモジュールと基本セグメンテーションネットワークを含む2つの主要部分からなるCDGCNet(Class-wise Dynamic Graph Convolution Network)についても紹介する。 我々は,Cityscapes,PASCAL VOC 2012,COCO Stuffの3つの一般的なセマンティックセマンティックセマンティクスベンチマークについて広範な実験を行った。
  論文  参考訳（メタデータ） (2020-07-19T15:26:50Z)

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。