論文の概要: Unpaired Multi-Domain Histopathology Virtual Staining using Dual Path Prompted Inversion
- arxiv url: http://arxiv.org/abs/2412.11106v1
- Date: Sun, 15 Dec 2024 08:09:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:55:22.406802
- Title: Unpaired Multi-Domain Histopathology Virtual Staining using Dual Path Prompted Inversion
- Title（参考訳）: Dual Path Prompted Inversion を用いたマルチドメインの仮想染色
- Authors: Bing Xiong, Yue Peng, RanRan Zhang, Fuqiang Chen, JiaYe He, Wenjian Qin,
- Abstract要約: 本稿では,即時学習を用いた二経路反転仮想染色法を提案する。
我々は,プラグイン・アンド・プレイの視覚的プロンプトアプローチにより,完全なコンテンツスタイルのゆがみを実現する。
- 参考スコア（独自算出の注目度）: 3.0645260026668804
- License:
- Abstract: Virtual staining leverages computer-aided techniques to transfer the style of histochemically stained tissue samples to other staining types. In virtual staining of pathological images, maintaining strict structural consistency is crucial, as these images emphasize structural integrity more than natural images. Even slight structural alterations can lead to deviations in diagnostic semantic information. Furthermore, the unpaired characteristic of virtual staining data may compromise the preservation of pathological diagnostic content. To address these challenges, we propose a dual-path inversion virtual staining method using prompt learning, which optimizes visual prompts to control content and style, while preserving complete pathological diagnostic content. Our proposed inversion technique comprises two key components: (1) Dual Path Prompted Strategy, we utilize a feature adapter function to generate reference images for inversion, providing style templates for input image inversion, called Style Target Path. We utilize the inversion of the input image as the Structural Target path, employing visual prompt images to maintain structural consistency in this path while preserving style information from the style Target path. During the deterministic sampling process, we achieve complete content-style disentanglement through a plug-and-play embedding visual prompt approach. (2) StainPrompt Optimization, where we only optimize the null visual prompt as ``operator'' for dual path inversion, rather than fine-tune pre-trained model. We optimize null visual prompt for structual and style trajectory around pivotal noise on each timestep, ensuring accurate dual-path inversion reconstruction. Extensive evaluations on publicly available multi-domain unpaired staining datasets demonstrate high structural consistency and accurate style transfer results.
- Abstract（参考訳）: 仮想染色は、コンピュータ支援技術を利用して、組織サンプルの組織組織を他の染色タイプに移植する。
病理画像の仮想染色においては、これらの画像は自然画像よりも構造的整合性を強調するため、厳密な構造的整合性を維持することが重要である。
微妙な構造変化さえも、診断意味情報の偏りにつながる可能性がある。
さらに, 仮想染色データの異常な特性は, 病理診断内容の保存を損なう可能性がある。
これらの課題に対処するために,視覚的プロンプトを最適化してコンテンツやスタイルを制御し,病的診断内容を完全に保存する,プロンプト学習を用いたデュアルパスインバージョン仮想染色法を提案する。
提案手法は,(1)デュアルパスプロンプト戦略 (Dual Path Prompted Strategy) という2つの重要な要素から構成される。
入力画像のインバージョンを構造的ターゲットパスとして利用し、視覚的プロンプト画像を用いて、スタイル的ターゲットパスからのスタイル情報を保持しながら、この経路における構造的一貫性を維持する。
決定論的サンプリングの過程で,プラグアンドプレイの視覚的プロンプトアプローチにより,完全なコンテンツスタイルのゆがみを実現する。
2) StainPrompt Optimizationでは、厳密なトレーニング済みモデルではなく、デュアルパスのインバージョンのために、nullビジュアルプロンプトを ``operator'' としてのみ最適化します。
本研究は,各時間ステップのピボットノイズ周辺における構造的およびスタイル的軌道に対するヌルな視覚的プロンプトを最適化し,高精度なデュアルパス逆変換を実現する。
公開されているマルチドメイン・アンペア染色データセットの広範囲な評価は、高い構造的一貫性と正確なスタイル伝達結果を示す。
関連論文リスト
- Enhanced Feature-based Image Stitching for Endoscopic Videos in Pediatric Eosinophilic Esophagitis [7.634233891270609]
本稿では,内視鏡的画像縫合性を高めるために,新しい前処理パイプラインを提案する。
提案手法は,4つのステップを踏襲して,内視鏡的映像データを連続した2次元画像に変換する。
小児内視鏡ビデオ20本で行った実験では,画像アライメントと縫合品質が有意に向上することが示された。
論文 参考訳（メタデータ） (2025-02-06T16:47:28Z) - A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging [36.95712533471744]
各種条件に適応可能な汎用仮想染色フレームワークを提案する。
そこで本研究では,異なる病態間の仮想色付けの精度を確保するために,値マッピング制約に基づく損失関数を提案する。
論文 参考訳（メタデータ） (2025-01-07T07:45:21Z) - Enhanced Unsupervised Image-to-Image Translation Using Contrastive Learning and Histogram of Oriented Gradients [0.0]
本稿では,Contrastive Unpaired Translation (CUT)モデルに基づく,教師なし画像から画像への変換手法を提案する。
この新しいアプローチは、セマンティックラベルなしでも画像のセマンティック構造を確実に保存する。
本手法は,GTA5データセットから都市景観データセットのリアルな都市シーンへの合成ゲーム環境の変換について検討した。
論文 参考訳（メタデータ） (2024-09-24T12:44:27Z) - Progressive Retinal Image Registration via Global and Local Deformable Transformations [49.032894312826244]
我々はHybridRetinaと呼ばれるハイブリッド登録フレームワークを提案する。
キーポイント検出器とGAMorphと呼ばれる変形ネットワークを用いて、大域的な変換と局所的な変形可能な変換を推定する。
FIREとFLoRI21という2つの広く使われているデータセットの実験により、提案したHybridRetinaは最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-09-02T08:43:50Z) - ZePo: Zero-Shot Portrait Stylization with Faster Sampling [61.14140480095604]
本稿では,4つのサンプリングステップでコンテンツとスタイルの融合を実現する拡散モデルに基づく,インバージョンフリーなポートレートスタイリングフレームワークを提案する。
本稿では,一貫性機能における冗長な特徴をマージする機能統合戦略を提案し,注意制御の計算負荷を低減させる。
論文 参考訳（メタデータ） (2024-08-10T08:53:41Z) - Neuromorphic Synergy for Video Binarization [54.195375576583864]
バイモーダルオブジェクトは視覚システムによって容易に認識できる情報を埋め込む視覚形式として機能する。
ニューロモルフィックカメラは、動きのぼかしを緩和する新しい機能を提供するが、最初にブルーを脱色し、画像をリアルタイムでバイナライズするのは簡単ではない。
本稿では,イベント空間と画像空間の両方で独立に推論を行うために,バイモーダル目標特性の事前知識を活用するイベントベースバイナリ再構築手法を提案する。
また、このバイナリ画像を高フレームレートバイナリビデオに伝搬する効率的な統合手法も開発している。
論文 参考訳（メタデータ） (2024-02-20T01:43:51Z) - Forgery-aware Adaptive Transformer for Generalizable Synthetic Image
Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。
本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。
提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文 参考訳（メタデータ） (2023-12-27T17:36:32Z) - Neural Preset for Color Style Transfer [46.66925849502683]
本稿では,既存のカラースタイル転送手法の限界に対処するニューラルプレセット手法を提案する。
提案手法は2つのコア設計に基づいており,まず,各画素に対して連続的に動作する決定論的ニューラルカラーマッピング(DNCM)を提案する。
第2に、タスクをカラー正規化とスタイル化に分割することで、2段階のパイプラインを構築する。
論文 参考訳（メタデータ） (2023-03-23T17:59:10Z) - UIA-ViT: Unsupervised Inconsistency-Aware Method based on Vision
Transformer for Face Forgery Detection [52.91782218300844]
そこで我々は、UIA-ViTと呼ばれるビジョン変換器に基づく教師なし不整合認識手法を提案する。
自己注意機構により、パッチ埋め込み間の注意マップは自然に一貫性関係を表現し、一貫性表現学習に適した視覚変換器となる。
論文 参考訳（メタデータ） (2022-10-23T15:24:47Z) - Single Stage Virtual Try-on via Deformable Attention Flows [51.70606454288168]
仮想試行は、ショップ内服と基準人物画像が与えられた写真リアルなフィッティング結果を生成することを目的としている。
マルチフロー推定に変形性アテンションスキームを適用した,変形性アテンションフロー(DAFlow)を新たに開発した。
提案手法は,定性的かつ定量的に最先端の性能を実現する。
論文 参考訳（メタデータ） (2022-07-19T10:01:31Z) - Style-invariant Cardiac Image Segmentation with Test-time Augmentation [10.234493507401618]
ディープモデルは、実際の臨床環境での外観の変化により、しばしば深刻なパフォーマンス低下に悩まされる。
本稿では,心臓画像分割のための新しいスタイル不変手法を提案する。
論文 参考訳（メタデータ） (2020-09-24T08:27:40Z)
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。