論文の概要: Minuscule Cell Detection in AS-OCT Images with Progressive Field-of-View Focusing
- arxiv url: http://arxiv.org/abs/2503.12249v1
- Date: Sat, 15 Mar 2025 20:13:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-18 12:31:18.887462
- Title: Minuscule Cell Detection in AS-OCT Images with Progressive Field-of-View Focusing
- Title（参考訳）: プログレッシブ・フィールド・オブ・ビュー・フォーカスによるAS-OCT画像の微小細胞検出
- Authors: Boyu Chen, Ameenat L. Solebo, Daqian Shi, Jinge Wu, Paul Taylor,
- Abstract要約: 前部ぶどう膜炎の目印は、眼前室に炎症性細胞が存在することである。
近年の取り組みは、手動による細胞検出をコンピュータビジョンの自動化に置き換えることを目指している。
そこで我々は,段階的視野集中戦略による極小細胞検出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）: 6.84018472449944
- License:
- Abstract: Anterior Segment Optical Coherence Tomography (AS-OCT) is an emerging imaging technique with great potential for diagnosing anterior uveitis, a vision-threatening ocular inflammatory condition. A hallmark of this condition is the presence of inflammatory cells in the eye's anterior chamber, and detecting these cells using AS-OCT images has attracted research interest. While recent efforts aim to replace manual cell detection with automated computer vision approaches, detecting extremely small (minuscule) objects in high-resolution images, such as AS-OCT, poses substantial challenges: (1) each cell appears as a minuscule particle, representing less than 0.005\% of the image, making the detection difficult, and (2) OCT imaging introduces pixel-level noise that can be mistaken for cells, leading to false positive detections. To overcome these challenges, we propose a minuscule cell detection framework through a progressive field-of-view focusing strategy. This strategy systematically refines the detection scope from the whole image to a target region where cells are likely to be present, and further to minuscule regions potentially containing individual cells. Our framework consists of two modules. First, a Field-of-Focus module uses a vision foundation model to segment the target region. Subsequently, a Fine-grained Object Detection module introduces a specialized Minuscule Region Proposal followed by a Spatial Attention Network to distinguish individual cells from noise within the segmented region. Experimental results demonstrate that our framework outperforms state-of-the-art methods for cell detection, providing enhanced efficacy for clinical applications. Our code is publicly available at: https://github.com/joeybyc/MCD.
- Abstract（参考訳）: 前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は,視力低下型眼炎である前部ぶどう膜炎の診断に有用である新しい画像診断法である。
この状態の顕著な特徴は、眼前室に炎症細胞が存在することであり、AS-OCT画像を用いてこれらの細胞を検出することが研究の関心を集めている。
最近の研究は、手動による細胞検出を自動コンピュータビジョンのアプローチに置き換えることを目的としており、AS-OCTのような高解像度画像における極小(微小)物体の検出は、(1)各細胞が0.005\%未満の極小粒子として現れ、検出を困難にし、(2)OCT画像は、セルと誤認できるピクセルレベルのノイズを導入し、偽陽性の検出につながるという重大な課題を提起している。
これらの課題を克服するために、我々はプログレッシブ・フィールド・オブ・ビュー・フォーカス戦略による極小細胞検出フレームワークを提案する。
この戦略は、画像全体から細胞が存在する可能性のあるターゲット領域、さらに個々の細胞を含む可能性のある極小領域への検出範囲を体系的に洗練する。
私たちのフレームワークは2つのモジュールで構成されています。
まず、Field-of-Focusモジュールは視覚基盤モデルを使用して対象領域をセグメント化する。
その後、細粒度オブジェクト検出モジュールが、セグメント化された領域内のノイズから個々の細胞を識別する空間注意ネットワークを付加する特別のミニスキュール領域提案を導入する。
実験により,本フレームワークは細胞検出の最先端手法より優れ,臨床応用に有効であることが示された。
私たちのコードは、https://github.com/joeybyc/MCDで公開されています。
関連論文リスト
- SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。
PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。
また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
論文 参考訳（メタデータ） (2024-07-25T11:22:54Z) - Advancing Cell Detection in Anterior Segment Optical Coherence Tomography Images [5.726632481428478]
前部ぶどう膜炎(英: Anterior uveitis)は、眼炎の一種であり、早期に診断されない場合、永久的な視力喪失を引き起こす。
この状態を監視するには、眼前室の炎症細胞を定量化する必要がある。
本稿では,AS-OCT画像中の細胞を自動検出するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-25T14:18:42Z) - Practical Guidelines for Cell Segmentation Models Under Optical Aberrations in Microscopy [14.042884268397058]
本研究は,光収差下でのセル画像のセグメンテーションモデルについて,蛍光顕微鏡と光電場顕微鏡を用いて評価する。
ネットワークヘッドの異なるOstoしきい値法やMask R-CNNなどのセグメンテーションモデルをトレーニングし,テストする。
対照的に、Cellpose 2.0は同様の条件下で複雑な細胞画像に有効であることが証明されている。
論文 参考訳（メタデータ） (2024-04-12T15:45:26Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - Improving Vision Anomaly Detection with the Guidance of Language
Modality [64.53005837237754]
本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。
本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。
視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
論文 参考訳（メタデータ） (2023-10-04T13:44:56Z) - Gravity Network for end-to-end small lesion detection [50.38534263407915]
本稿では,医療画像の小さな病変を特異的に検出するワンステージエンド・ツー・エンド検出器を提案する。
小さな病変の正確な局在化は、その外観と、それらが見つかる様々な背景によって困難を呈する。
この新たなアーキテクチャをGravityNetと呼び、新しいアンカーを重力点と呼ぶ。
論文 参考訳（メタデータ） (2023-09-22T14:02:22Z) - From WSI-level to Patch-level: Structure Prior Guided Binuclear Cell
Fine-grained Detection [8.810499770542553]
バイ核細胞(BC)の検出は、白血病やその他の悪性腫瘍のリスクを予測する上で重要な役割を担っている。
深層学習に基づくBC以前の構造にインスパイアされた2段階検出手法を提案する。
粗い検出ネットワークは、細胞検出のための円形境界ボックスと、核検出のための中心キーポイントに基づくマルチタスク検出フレームワークである。
論文 参考訳（メタデータ） (2022-08-26T12:32:05Z) - Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。
提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
論文 参考訳（メタデータ） (2022-08-24T14:59:28Z) - DETCID: Detection of Elongated Touching Cells with Inhomogeneous
Illumination using a Deep Adversarial Network [5.076419064097733]
Clostridioides difficile infection (C. diff) は、米国の病院における二次感染による死の最も一般的な原因である。
論文 参考訳（メタデータ） (2020-07-13T21:43:27Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z) - Deep Feature Fusion for Mitosis Counting [0.0]
有糸分裂細胞数は、乳がんの攻撃性または品位を評価する最も一般的な検査の1つである。
ディープラーニングネットワークは、興味のある領域を自動的にローカライズできる医療アプリケーションに適用されている。
提案手法は,オブジェクト検出のための高速RCNNを利用して,RGB画像特徴を持つUNetによって生成されたセグメンテーション機能を融合させ,MITOS-ATYPIA 2014 mitosis counting Challengeデータセット上で0.508のFスコアを達成する。
論文 参考訳（メタデータ） (2020-02-01T20:20:00Z)
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。