論文の概要: Cascade Detector Analysis and Application to Biomedical Microscopy

• arxiv url: http://arxiv.org/abs/2504.21598v1
• Date: Wed, 30 Apr 2025 12:58:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 18:45:55.881078
• Title: Cascade Detector Analysis and Application to Biomedical Microscopy
• Title（参考訳）: カスケード検出器解析と生体顕微鏡への応用
• Authors: Thomas L. Athey, Shashata Sawmya, Nir Shavit,
• Abstract要約: 多解像度画像中のスパース物体を効率よく同定するためにカスケード検出器を用いる。 マルチレベル検出器は30～75%の時間で同等の性能を発揮することを示す。
• 参考スコア（独自算出の注目度）: 3.541570601342306
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As both computer vision models and biomedical datasets grow in size, there is an increasing need for efficient inference algorithms. We utilize cascade detectors to efficiently identify sparse objects in multiresolution images. Given an object's prevalence and a set of detectors at different resolutions with known accuracies, we derive the accuracy, and expected number of classifier calls by a cascade detector. These results generalize across number of dimensions and number of cascade levels. Finally, we compare one- and two-level detectors in fluorescent cell detection, organelle segmentation, and tissue segmentation across various microscopy modalities. We show that the multi-level detector achieves comparable performance in 30-75% less time. Our work is compatible with a variety of computer vision models and data domains.
• Abstract（参考訳）: コンピュータビジョンモデルとバイオメディカルデータセットのサイズが大きくなるにつれて、効率的な推論アルゴリズムの必要性が高まっている。 カスケード検出器を用いて多解像度画像中のスパース物体を効率よく同定する。 物体の有病率と、既知の精度で異なる解像度の検出器セットが与えられた場合、カスケード検出器による分類器呼び出しの精度と期待される回数を導出する。 これらの結果は次元の数とカスケードレベルの数にまたがって一般化される。 最後に, 蛍光細胞検出, オルガネラセグメンテーション, 組織セグメンテーションにおける1レベルおよび2レベル検出器の比較を行った。 マルチレベル検出器は30～75%の時間で同等の性能を発揮することを示す。 私たちの仕事は、さまざまなコンピュータビジョンモデルやデータドメインと互換性があります。

関連論文リスト

• MultiOrg: A Multi-rater Organoid-detection Dataset [1.29058164565662]
  このデータセットは、400以上の高解像度の2D顕微鏡画像と、6万以上のオルガノイドのアノテーションからなる。 さらに、私たちはオルガノイド検出のためのベンチマークを提供し、人気のある画像視覚化ツールであるNapariの、容易にインストール可能でインタラクティブなプラグインを通じて、最高のモデルを利用できるようにします。
  論文  参考訳（メタデータ） (2024-10-18T17:05:03Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• Multi-modal Differentiable Unsupervised Feature Selection [5.314466196448187]
  マルチモーダル測定では、両方のモダリティにおける多くの観察された変数は、しばしばニュアンスであり、興味のある現象に関する情報を持っていない。 本稿では,複合高次元計測に基づいて情報変数を同定するマルチモーダルな非教師付き特徴選択フレームワークを提案する。 グラフラプラシアンによって取得された構造の特徴を隠蔽し、精度を高めるため、異なるゲートでスコアを組み込む。
  論文  参考訳（メタデータ） (2023-03-16T15:11:17Z)
• RangeAugment: Efficient Online Augmentation with Range Learning [54.61514286212455]
  RangeAugmentは、個々の大きさと複合オーグメンテーション操作を効率よく学習する。 本研究では,RangeAugmentの4～5倍の精度で,最先端自動拡張手法の競争性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-12-20T18:55:54Z)
• 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)
• Increasing a microscope's effective field of view via overlapped imaging and machine learning [4.23935174235373]
  この研究は、高効率自動検体分析のために単一のセンサー上で複数の独立した視野を重畳するマルチレンズ顕微鏡イメージングシステムを示す。
  論文  参考訳（メタデータ） (2021-10-10T22:52:36Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
  高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。 提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
  論文  参考訳（メタデータ） (2020-10-01T18:56:46Z)
• Localizing Grouped Instances for Efficient Detection in Low-Resource Scenarios [27.920304852537534]
  可変物体の大きさや密度に適応するフレキシブルな検出手法を提案する。 我々は検出段階の連続に頼り、それぞれが個人だけでなく、対象の群を予測できる能力を持っている。 本稿では,2つの航空画像データセットの実験結果について報告し,提案手法が標準単発検出器よりも精度が高く,計算効率も高いことを示す。
  論文  参考訳（メタデータ） (2020-04-27T07:56:53Z)
• Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
  本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。 モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。 本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
  論文  参考訳（メタデータ） (2020-03-29T04:23:22Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。