論文の概要: GloFinder: AI-empowered QuPath Plugin for WSI-level Glomerular Detection, Visualization, and Curation
- arxiv url: http://arxiv.org/abs/2411.18795v1
- Date: Wed, 27 Nov 2024 22:34:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:20:26.510103
- Title: GloFinder: AI-empowered QuPath Plugin for WSI-level Glomerular Detection, Visualization, and Curation
- Title(参考訳): GloFinder:WSIレベルの球状検出、可視化、キュレーションのためのAIを活用したQuPathプラグイン
- Authors: Jialin Yue, Tianyuan Yao, Ruining Deng, Siqi Lu, Junlin Guo, Quan Liu, Mengmeng Yin, Juming Xiong, Haichun Yang, Yuankai Huo,
- Abstract要約: GloFinderは、WSI全体のシングルクリック自動グロマリ検出用に設計されたQuPathプラグインである。
正確なオブジェクトローカライゼーションに円表現を利用するアンカーフリー検出フレームワークであるCircleNetを採用している。
このプラグインにはWeighted Circle Fusion (WCF)が組み込まれており、複数のCircleNetモデルの信頼性スコアを組み合わせて洗練された予測を生成するアンサンブル手法である。
- 参考スコア(独自算出の注目度): 8.952839722267216
- License:
- Abstract: Artificial intelligence (AI) has demonstrated significant success in automating the detection of glomeruli, the key functional units of the kidney, from whole slide images (WSIs) in kidney pathology. However, existing open-source tools are often distributed as source code or Docker containers, requiring advanced programming skills that hinder accessibility for non-programmers, such as clinicians. Additionally, current models are typically trained on a single dataset and lack flexibility in adjusting confidence levels for predictions. To overcome these challenges, we introduce GloFinder, a QuPath plugin designed for single-click automated glomeruli detection across entire WSIs with online editing through the graphical user interface (GUI). GloFinder employs CircleNet, an anchor-free detection framework utilizing circle representations for precise object localization, with models trained on approximately 160,000 manually annotated glomeruli. To further enhance accuracy, the plugin incorporates Weighted Circle Fusion (WCF), an ensemble method that combines confidence scores from multiple CircleNet models to produce refined predictions, achieving superior performance in glomerular detection. GloFinder enables direct visualization and editing of results in QuPath, facilitating seamless interaction for clinicians and providing a powerful tool for nephropathology research and clinical practice.
- Abstract(参考訳): 人工知能(AI)は腎病理のスライド画像全体(WSI)から腎の機能単位である糸球体の自動検出に成功している。
しかし、既存のオープンソースツールは、しばしばソースコードやDockerコンテナとして配布され、臨床医のような非プログラマのアクセシビリティを妨げる高度なプログラミングスキルを必要とする。
さらに、現在のモデルは一般的に単一のデータセットでトレーニングされており、予測の信頼性レベルを調整する柔軟性に欠けています。
これらの課題を克服するために、GloFinderというQuPathプラグインを導入しました。これは、グラフィカルユーザインタフェース(GUI)を通じてオンライン編集を行うWSI全体にわたって、シングルクリックで自動グロマリ検出用に設計されたプラグインです。
GloFinderにはCircleNetというアンカーフリーな検出フレームワークが採用されている。
さらに精度を高めるために、プラグインは、複数のサークルネットモデルからの信頼度スコアを組み合わせ、洗練された予測を生成するアンサンブル法であるWeighted Circle Fusion (WCF)を組み込んだ。
GloFinderはQuPathにおける結果の直接視覚化と編集を可能にし、臨床医とのシームレスな相互作用を促進し、腎病理学の研究と臨床実践のための強力なツールを提供する。
関連論文リスト
- Fine-Grained Open-Vocabulary Object Recognition via User-Guided Segmentation [1.590984668118904]
FOCUS: ユーザガイドによるきめ細かいオープン語彙オブジェクト認識。
FOCUSと呼ばれる新しい基礎モデルに基づく検出手法を提案する。
論文 参考訳(メタデータ) (2024-11-23T18:13:27Z) - GRU-Net: Gaussian Attention Aided Dense Skip Connection Based MultiResUNet for Breast Histopathology Image Segmentation [24.85210810502592]
本稿では病理組織像分割のためのMultiResU-Netの修正版を提案する。
複雑な機能を複数のスケールで分析し、セグメント化できるため、バックボーンとして選択される。
乳がんの病理組織像データセットの多様性について検討した。
論文 参考訳(メタデータ) (2024-06-12T19:17:17Z) - The Map Equation Goes Neural: Mapping Network Flows with Graph Neural Networks [0.716879432974126]
コミュニティ検出は、教師なしのデータ探索と、ネットワーク化されたシステムの組織構造を明らかにするために不可欠なツールである。
本研究では,非教師付きコミュニティ検出のための一般的な情報理論的目的関数であるマップ方程式を考察し,下降による勾配の微分可能なテンソル形式で表現する。
我々の定式化は、任意のニューラルネットワークアーキテクチャと互換性のあるマップ方程式を変換し、エンドツーエンドの学習を可能にし、ノード機能を導入し、クラスタの最適な数を自動的に選択します。
論文 参考訳(メタデータ) (2023-10-02T12:32:18Z) - Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。
我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。
CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
論文 参考訳(メタデータ) (2023-05-24T07:09:25Z) - Glo-In-One: Holistic Glomerular Detection, Segmentation, and Lesion
Characterization with Large-scale Web Image Mining [5.786726927985774]
我々はGlo-In-Oneツールキットを開発し、一行のコマンドで全体的球状検出、セグメンテーション、キャラクタリゼーションを実現する。
我々は,自己教師型ディープラーニングのアルゴリズム開発を促進するために,3万枚の未ラベルの球面画像の大規模なコレクションをリリースする。
論文 参考訳(メタデータ) (2022-05-31T21:22:10Z) - Continual Object Detection via Prototypical Task Correlation Guided
Gating Mechanism [120.1998866178014]
pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。
具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。
COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
論文 参考訳(メタデータ) (2022-05-06T07:31:28Z) - Software Vulnerability Detection via Deep Learning over Disaggregated
Code Graph Representation [57.92972327649165]
この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。
コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
論文 参考訳(メタデータ) (2021-09-07T21:24:36Z) - An Efficient Cervical Whole Slide Image Analysis Framework Based on
Multi-scale Semantic and Spatial Features using Deep Learning [2.7218168309244652]
本研究では,YOLCO(You Only Look Cytopathology Once)という名前の軽量モデルを構築するために,マルチスケール接続を充実させることにより,新しいインライン接続ネットワーク(InCNet)を設計する。
提案したモデルでは、入力サイズをメガピクセルに拡大し、平均リピートで重なり合うことなくWSIを縫合することができる。
統合マルチスケールマルチタスクの特徴を分類するためのTransformerに基づいて、実験結果は、WSI分類における従来の方法よりも0.872$ AUCスコアが良く、2.51times$速く見える。
論文 参考訳(メタデータ) (2021-06-29T06:24:55Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳(メタデータ) (2021-03-22T20:36:34Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳(メタデータ) (2021-02-27T03:17:20Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳(メタデータ) (2021-02-25T14:24:49Z)
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。