論文の概要: CovHuSeg: An Enhanced Approach for Kidney Pathology Segmentation
- arxiv url: http://arxiv.org/abs/2411.18893v1
- Date: Thu, 28 Nov 2024 03:54:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:19:11.677614
- Title: CovHuSeg: An Enhanced Approach for Kidney Pathology Segmentation
- Title(参考訳): CovHuSeg: 腎臓病分離のための拡張されたアプローチ
- Authors: Huy Trinh, Khang Tran, Nam Nguyen, Tri Cao, Binh Nguyen,
- Abstract要約: 腎糸球体セグメンテーションの問題を解決するために,CovHuSegアルゴリズムを提案する。
この単純な後処理法は球形異常のセグメンテーションに適応するように規定されている。
- 参考スコア(独自算出の注目度): 3.5751379150024767
- License:
- Abstract: Segmentation has long been essential in computer vision due to its numerous real-world applications. However, most traditional deep learning and machine learning models need help to capture geometric features such as size and convexity of the segmentation targets, resulting in suboptimal outcomes. To resolve this problem, we propose using a CovHuSeg algorithm to solve the problem of kidney glomeruli segmentation. This simple post-processing method is specified to adapt to the segmentation of ball-shaped anomalies, including the glomerulus. Unlike other post-processing methods, the CovHuSeg algorithm assures that the outcome mask does not have holes in it or comes in unusual shapes that are impossible to be the shape of a glomerulus. We illustrate the effectiveness of our method by experimenting with multiple deep-learning models in the context of segmentation on kidney pathology images. The results show that all models have increased accuracy when using the CovHuSeg algorithm.
- Abstract(参考訳): セグメンテーションは、多くの現実世界の応用のために、コンピュータビジョンにおいて長い間欠かせない存在であった。
しかし、従来のディープラーニングや機械学習モデルは、セグメンテーションターゲットのサイズや凸性などの幾何学的特徴を捉えるのに役立っている。
この問題を解決するために,腎糸球体セグメンテーションの問題を解決するためにCovHuSegアルゴリズムを提案する。
この単純な後処理法は球状異常(球状異常を含む)のセグメンテーションに適応するように規定されている。
他のポストプロセッシング法とは異なり、CovHuSegアルゴリズムは、結果マスクには穴がなく、球状体の形になり得ない特異な形状が現れることを保証している。
腎病理画像におけるセグメンテーションの文脈において,複数のディープラーニングモデルを用いて実験し,本手法の有効性について述べる。
その結果,CovHuSegアルゴリズムでは,全てのモデルで精度が向上していることがわかった。
関連論文リスト
- A Greedy Strategy for Graph Cut [95.2841574410968]
GGCと呼ばれるグラフカットの問題を解決するための欲求戦略を提案する。
これは、各データサンプルがクラスタと見なされる状態から始まり、2つのクラスタを動的にマージする。
GGCはサンプル数に関してほぼ線形な計算複雑性を持つ。
論文 参考訳(メタデータ) (2024-12-28T05:49:42Z) - Cascaded multitask U-Net using topological loss for vessel segmentation
and centerline extraction [2.264332709661011]
本稿では,血管骨格をセグメント化から直接計算するU-Netによるソフトスケルトンアルゴリズムの置き換えを提案する。
セグメンテーション中にトポロジ的制約を埋め込むために、clDice損失をトレーニングしたカスケードU-Netをこのネットワーク上に構築する。
論文 参考訳(メタデータ) (2023-07-21T14:12:28Z) - Boundary-Aware Network for Kidney Parsing [18.75582522299797]
血管造影(CTA)スキャンで腎臓を分節する境界認識ネットワーク(BA-Net)を提案する。
モデルは共有エンコーダ、境界デコーダ、セグメンテーションデコーダを含む。
その結果,BA-Netの有効性が示された。
論文 参考訳(メタデータ) (2022-08-29T02:19:30Z) - 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) - PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia
Segmentation in CT Images [83.26057031236965]
画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。
PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。
このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
論文 参考訳(メタデータ) (2021-08-09T04:58:23Z) - A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。
提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
論文 参考訳(メタデータ) (2021-05-06T12:41:10Z) - Deep Gaussian Processes for Few-Shot Segmentation [66.08463078545306]
少数ショットのセグメンテーションは難しい作業であり、いくつかの注釈付きサンプルから一般化可能な表現を抽出する必要がある。
ガウス過程(GP)回帰に基づく数ショット学習者定式化を提案する。
PASCAL-5i と COCO-20i では mIoU スコアが68.1 と 49.8 である。
論文 参考訳(メタデータ) (2021-03-30T17:56:32Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳(メタデータ) (2020-08-19T06:02:46Z) - Unsupervised Community Detection with a Potts Model Hamiltonian, an
Efficient Algorithmic Solution, and Applications in Digital Pathology [1.6506888719932784]
本稿では,各色特徴に基づく入力画像画素の高速な統計的ダウンサンプリングと,セグメント関係を考慮したポッツモデルエネルギーの最小化手法を提案する。
特に腎疾患における腎糸球体微小環境のセグメンテーションにおいて,医用顕微鏡画像のセグメンテーションに本法の応用を実証した。
論文 参考訳(メタデータ) (2020-02-05T01:20:28Z) - Bending Loss Regularized Network for Nuclei Segmentation in
Histopathology Images [69.74667930907314]
核分割のための曲げ損失正規化ネットワークを提案する。
提案した曲げ損失は、大きな曲率を持つ輪郭点に対する高い罰則を定義し、小さな曲率を持つ輪郭点に小さな罰則を適用する。
曲げ損失の最小化は、複数の核を含む輪郭の発生を避けることができる。
論文 参考訳(メタデータ) (2020-02-03T21:20:50Z)
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。