論文の概要: A Prototype-Guided Coarse Annotations Refining Approach for Whole Slide Images
- arxiv url: http://arxiv.org/abs/2503.19407v1
- Date: Tue, 25 Mar 2025 07:34:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 16:55:25.333333
- Title: A Prototype-Guided Coarse Annotations Refining Approach for Whole Slide Images
- Title(参考訳): 全スライド画像に対するプロトタイプガイド付き粗いアノテーション修正手法
- Authors: Bingjian Yao, Weiping Lin, Yan He, Zheng Wang, Liangsheng Wang,
- Abstract要約: スライド画像全体における微粒なアノテーションは、様々な病理領域の境界を示す。
粗いアノテーションを精錬する既存の方法は、広範囲のトレーニングサンプルやクリーンなデータセットに頼っていることが多い。
本稿ではプロトタイプ誘導方式を提案する。
- 参考スコア(独自算出の注目度): 4.562061988943637
- License:
- Abstract: The fine-grained annotations in whole slide images (WSIs) show the boundaries of various pathological regions. However, generating such detailed annotation is often costly, whereas the coarse annotations are relatively simpler to produce. Existing methods for refining coarse annotations often rely on extensive training samples or clean datasets, and fail to capture both intra-slide and inter-slide latent sematic patterns, limiting their precision. In this paper, we propose a prototype-guided approach. Specifically, we introduce a local-to-global approach to construct non-redundant representative prototypes by jointly modeling intra-slide local semantics and inter-slide contextual relationships. Then a prototype-guided pseudo-labeling module is proposed for refining coarse annotations. Finally, we employ dynamic data sampling and re-finetuning strategy to train a patch classifier. Extensive experiments on three publicly available WSI datasets, covering lymph, liver, and colorectal cancers, demonstrate that our method significantly outperforms existing state-of-the-art (SOTA) methods. The code will be available.
- Abstract(参考訳): スライド画像全体(WSI)の細かいアノテーションは、様々な病理領域の境界を示す。
しかし、このような詳細なアノテーションの生成はコストがかかることが多いが、粗いアノテーションは比較的簡単に作成できる。
既存の粗いアノテーションの精錬方法は、広範囲のトレーニングサンプルやクリーンなデータセットに依存しており、スライド内およびスライド間潜在セマティックパターンの両方をキャプチャできず、精度を制限している。
本稿ではプロトタイプ誘導方式を提案する。
具体的には、スライディング内局所意味論とスライディング間文脈関係を共同でモデル化することにより、非冗長な代表プロトタイプを構築するための局所的-言語的アプローチを提案する。
次に、粗いアノテーションを精錬するために、プロトタイプ誘導擬似ラベルモジュールを提案する。
最後に、動的データサンプリングと再ファインタニング戦略を用いて、パッチ分類器を訓練する。
リンパ節癌,肝癌,大腸癌の3つのWSIデータセットに対する大規模な実験により,本手法が既存のSOTA法を著しく上回ることを示した。
コードは利用可能です。
関連論文リスト
- A Unified Framework for Semi-Supervised Image Segmentation and Registration [4.220987375928411]
画像登録モデルを組み込んだ新しい手法を導入し,注釈のないデータに対して擬似ラベルを生成する。
提案手法は2次元脳データセットを用いて評価され, 注釈付きデータのうち1%しか使用せず, 優れた性能を示した。
論文 参考訳(メタデータ) (2025-02-05T14:45:00Z) - A Bayesian Approach to Weakly-supervised Laparoscopic Image Segmentation [1.9639956888747314]
スパースアノテーションを用いた腹腔鏡下画像分割法について検討した。
本稿では,モデルのセグメンテーションの精度と解釈可能性を高めるために,ベイズ的深層学習手法を提案する。
論文 参考訳(メタデータ) (2024-10-11T04:19:48Z) - Contrastive Bootstrapping for Label Refinement [34.55195008779178]
通路のラベルを反復的に洗練するための軽量なコントラストクラスタリングに基づくブートストラップ法を提案する。
NYTと20Newsの実験は、我々の手法が最先端の手法よりも大きなマージンで優れていることを示している。
論文 参考訳(メタデータ) (2023-06-07T15:49:04Z) - LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。
本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。
提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
論文 参考訳(メタデータ) (2022-10-14T19:13:36Z) - GSMFlow: Generation Shifts Mitigating Flow for Generalized Zero-Shot
Learning [55.79997930181418]
Generalized Zero-Shot Learningは、目に見えないクラスから見えないクラスに意味的な知識を移すことで、目に見えないクラスと見えないクラスの両方から画像を認識することを目的としている。
生成モデルの利点を生かして、見学したクラスから学んだ知識に基づいて、現実的な見知らぬサンプルを幻覚させることは、有望な解決策である。
本研究では,複数の条件付きアフィン結合層からなるフローベース生成フレームワークを提案する。
論文 参考訳(メタデータ) (2022-07-05T04:04:37Z) - Towards Single Stage Weakly Supervised Semantic Segmentation [2.28438857884398]
弱教師付きセマンティックセグメンテーションへのシングルステージアプローチを提案する。
ポイントアノテーションを使用して、オンザフライで信頼性の高い擬似マスクを生成します。
我々は、最近の実世界のデータセットにおいて、他のSOTA WSSS手法よりも大幅に優れています。
論文 参考訳(メタデータ) (2021-06-18T18:34:50Z) - Deep Semi-supervised Knowledge Distillation for Overlapping Cervical
Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。
摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。
実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文 参考訳(メタデータ) (2020-07-21T13:27:09Z) - Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。
本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。
本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-07-13T18:05:36Z) - UniT: Unified Knowledge Transfer for Any-shot Object Detection and
Segmentation [52.487469544343305]
オブジェクト検出とセグメンテーションの方法は、トレーニングのための大規模インスタンスレベルのアノテーションに依存します。
本稿では,直感的かつ統一的な半教師付きモデルを提案する。
論文 参考訳(メタデータ) (2020-06-12T22:45:47Z) - Example-Guided Image Synthesis across Arbitrary Scenes using Masked
Spatial-Channel Attention and Self-Supervision [83.33283892171562]
実例誘導画像合成は,最近セマンティックラベルマップと模範画像から画像を合成するために試みられている。
本稿では,ラベルマップと意味的に異なる任意のシーンイメージを例に,より困難で汎用的な課題に取り組む。
本稿では,グローバル・ローカルな特徴アライメントと合成のためのエンドツーエンドネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-18T18:17:40Z)
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。