論文の概要: Adaptive H&E-IHC information fusion staining framework based on feature extra

• arxiv url: http://arxiv.org/abs/2502.20156v1
• Date: Thu, 27 Feb 2025 14:55:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:58:47.984122
• Title: Adaptive H&E-IHC information fusion staining framework based on feature extra
• Title（参考訳）: 特徴量に基づく適応型H&E-IHC情報融合染色フレームワーク
• Authors: Yifan Jia, Xingda Yu, Zhengyang Ji, Songning Lai, Yutao Yue,
• Abstract要約: 乳がんなどの疾患評価においてIHC染色は重要な役割を担っている。 生成モデルに基づくH&E-to-IHC変換は、IHC画像を得るための単純で費用対効果の高い方法を提供する。 ピクセル完全H&E-IHC基底対の欠如は、古典的なL1損失への挑戦である。 特徴抽出器に基づく適応情報強化カラー化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.5242869847419834
• License:
• Abstract: Immunohistochemistry (IHC) staining plays a significant role in the evaluation of diseases such as breast cancer. The H&E-to-IHC transformation based on generative models provides a simple and cost-effective method for obtaining IHC images. Although previous models can perform digital coloring well, they still suffer from (i) coloring only through the pixel features that are not prominent in HE, which is easy to cause information loss in the coloring process; (ii) The lack of pixel-perfect H&E-IHC groundtruth pairs poses a challenge to the classical L1 loss.To address the above challenges, we propose an adaptive information enhanced coloring framework based on feature extractors. We first propose the VMFE module to effectively extract the color information features using multi-scale feature extraction and wavelet transform convolution, while combining the shared decoder for feature fusion. The high-performance dual feature extractor of H&E-IHC is trained by contrastive learning, which can effectively perform feature alignment of HE-IHC in high latitude space. At the same time, the trained feature encoder is used to enhance the features and adaptively adjust the loss in the HE section staining process to solve the problems related to unclear and asymmetric information. We have tested on different datasets and achieved excellent performance.Our code is available at https://github.com/babyinsunshine/CEFF
• Abstract（参考訳）: 乳がんなどの疾患評価において免疫組織化学(IHC)染色は重要な役割を担っている。 生成モデルに基づくH&E-to-IHC変換は、IHC画像を得るための単純で費用対効果の高い方法を提供する。 従来のモデルはデジタルカラー化をうまく実現できたが、それでも苦しむ。 (i)色付けは、色付け過程において情報損失を生じやすく、HEで顕著でない画素特徴のみを通して行う。 (II) 画素完全H&E-IHC基底構造対の欠如は古典的なL1損失を招き, 上記の課題に対処するため, 特徴抽出器に基づく適応情報強化カラー化フレームワークを提案する。 まず,マルチスケールの特徴抽出とウェーブレット変換の畳み込みを用いて,特徴融合のための共有デコーダを組み合わせることで,色情報の特徴を効果的に抽出するVMFEモジュールを提案する。 H&E-IHCの高性能デュアル特徴抽出器は、高緯度空間におけるHE-IHCの特徴アライメントを効果的に行うことができるコントラスト学習によって訓練される。 同時に、訓練された特徴エンコーダを用いて特徴を高め、HE部染色工程の損失を適応的に調整し、不明瞭かつ非対称な情報に関連する問題を解決する。 私たちのコードはhttps://github.com/babyinsunshine/CEFFで公開されています。

関連論文リスト

• UR2P-Dehaze: Learning a Simple Image Dehaze Enhancer via Unpaired Rich Physical Prior [8.713784455593778]
  我々は、Unpaired Rich Physical Prior (UR2P-Dehaze)を介してSimple Image Dehaze Enhancerと呼ばれる未ペア画像デハズネットワークを提案する。 まず, 画像の照度, 反射率, 色情報を正確に推定するために, 照度と反射率の整合性を確保するために, 反復的に訓練された事前推定器(SPE)を設計する。 次に、低周波と高周波の両方で重要な特徴を効果的に統合する動的ウェーブレット分離畳み込み(DWSC)を提案する。
  論文  参考訳（メタデータ） (2025-01-12T14:21:05Z)
• Scalable, Trustworthy Generative Model for Virtual Multi-Staining from H&E Whole Slide Images [0.0]
  化学染色法は信頼性が高いが、幅広い時間と高価な化学物質を必要とし、環境問題を引き起こす。 ジェネレーティブAI技術は、これらの問題に対処する上で重要である。 我々の研究は、仮想染色に生成AIを導入し、計算病理学における性能、信頼性、スケーラビリティ、適応性を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-06-26T21:52:05Z)
• Hyperspectral Reconstruction of Skin Through Fusion of Scattering Transform Features [2.180368095276185]
  ICASSP 2024「Hyper-Skin」チャレンジは、RGB画像と赤外線帯域から皮膚HSIを抽出することである。 私たちのモデルは、ピクセル値ではなく、これらの特徴にマッチし、逆転し、マッチングの複雑さを減らします。
  論文  参考訳（メタデータ） (2024-04-15T13:34:27Z)
• CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
  低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。 既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。 我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:34:39Z)
• You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
  低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。 水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。 輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
  論文  参考訳（メタデータ） (2024-02-08T16:47:43Z)
• Color Equivariant Convolutional Networks [50.655443383582124]
  CNNは、偶然に記録された条件によって導入された色の変化の間にデータ不均衡がある場合、苦労する。 カラースペクトル間の形状特徴共有を可能にする新しいディープラーニングビルディングブロックであるカラー等変畳み込み(CEConvs)を提案する。 CEConvsの利点は、様々なタスクに対するダウンストリーム性能と、列車-テストの分散シフトを含む色の変化に対するロバスト性の改善である。
  論文  参考訳（メタデータ） (2023-10-30T09:18:49Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Adaptive Supervised PatchNCE Loss for Learning H&E-to-IHC Stain Translation with Inconsistent Groundtruth Image Pairs [5.841841666625825]
  本稿では,新たな損失関数であるAdaptive Supervised PatchNCE(ASP)を提案する。 提案手法は, 既存の画像から画像への変換手法より, 複数のICH染色への染色の変換に優れることを示した。
  論文  参考訳（メタデータ） (2023-03-10T19:56:34Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)
• Understanding Brain Dynamics for Color Perception using Wearable EEG headband [0.46335240643629344]
  生の脳波信号の特徴から一次色を検出するマルチクラス分類モデルを設計した。 本手法では,連続モードウェーブレット変換から得られる信号帯電力のスペクトルパワー特性,統計特性,相関特性を用いる。 提案手法は, 対象物内分類において, 80.6%の精度が得られた。
  論文  参考訳（メタデータ） (2020-08-17T05:25:16Z)

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。