論文の概要: C3R: Channel Conditioned Cell Representations for unified evaluation in microscopy imaging

• arxiv url: http://arxiv.org/abs/2505.18745v1
• Date: Sat, 24 May 2025 15:24:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.631781
• Title: C3R: Channel Conditioned Cell Representations for unified evaluation in microscopy imaging
• Title（参考訳）: C3R:チャネル条件細胞表現による顕微鏡画像の統一的評価
• Authors: Umar Marikkar, Syed Sameed Husain, Muhammad Awais, Sara Atito,
• Abstract要約: 本稿では,セルラー画像チャネルの構造的ビューを,コンテキストや概念にグループ化して紹介する。 IHCデータセットの統一評価を目的としたフレームワークであるChannel Conditioned Cell Representations (C3R) を開発した。 C3Rはチャネル適応型エンコーダアーキテクチャとマスク付き知識蒸留訓練戦略からなる2重フレームワークである。
• 参考スコア（独自算出の注目度）: 4.157406649742161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Immunohistochemical (IHC) images reveal detailed information about structures and functions at the subcellular level. However, unlike natural images, IHC datasets pose challenges for deep learning models due to their inconsistencies in channel count and configuration, stemming from varying staining protocols across laboratories and studies. Existing approaches build channel-adaptive models, which unfortunately fail to support out-of-distribution (OOD) evaluation across IHC datasets and cannot be applied in a true zero-shot setting with mismatched channel counts. To address this, we introduce a structured view of cellular image channels by grouping them into either context or concept, where we treat the context channels as a reference to the concept channels in the image. We leverage this context-concept principle to develop Channel Conditioned Cell Representations (C3R), a framework designed for unified evaluation on in-distribution (ID) and OOD datasets. C3R is a two-fold framework comprising a channel-adaptive encoder architecture and a masked knowledge distillation training strategy, both built around the context-concept principle. We find that C3R outperforms existing benchmarks on both ID and OOD tasks, while a trivial implementation of our core idea also outperforms the channel-adaptive methods reported on the CHAMMI benchmark. Our method opens a new pathway for cross-dataset generalization between IHC datasets, without requiring dataset-specific adaptation or retraining.
• Abstract（参考訳）: 免疫組織化学(IHC)画像は、細胞内レベルでの構造や機能に関する詳細な情報を明らかにする。 しかし、自然画像とは異なり、IHCデータセットはチャネル数と構成に矛盾があるため、ディープラーニングモデルに挑戦する。 既存のアプローチはチャネル適応型モデルを構築するが、残念ながらIHCデータセット全体にわたるアウト・オブ・ディストリビューション(OOD)評価をサポートしておらず、ミスマッチしたチャネル数を持つ真のゼロショット設定では適用できない。 そこで,本稿では,コンテキストチャネルをイメージ内の概念チャネルの参照として扱う,コンテキストあるいは概念にグループ化することで,セルイメージチャネルの構造的ビューを導入する。 本稿では,このコンテキスト概念の原理を利用して,チャネル条件付きセル表現(C3R)を開発する。 C3Rは、チャネル適応型エンコーダアーキテクチャと、コンテキスト概念原理を中心に構築されたマスク付き知識蒸留訓練戦略からなる2つのフレームワークである。 C3R は ID と OOD の両方のタスクにおいて既存のベンチマークよりも優れており、中核的なアイデアの自明な実装は CHAMMI ベンチマークで報告されたチャネル適応手法よりも優れています。 提案手法は,データセット固有の適応や再学習を必要とせず,IHCデータセット間のクロスデータセット一般化のための新たな経路を開く。

関連論文リスト

• Leveraging CORAL-Correlation Consistency Network for Semi-Supervised Left Atrium MRI Segmentation [14.296441810235223]
  半教師付き学習(SSL)は、ラベル付き画像とラベルなし画像の両方から学習するために広く使われている。 現在のSSLベースのセグメンテーションメソッドの多くは、ラベル付きデータとラベルなしデータの類似した特徴を識別するためにピクセル値を直接使用する。 我々は,グローバルな構造形状と左房の局所的詳細を捉えるために,CORAL(Correlation-Aligned)-Correlation Consistency Network (CORN)を導入した。
  論文  参考訳（メタデータ） (2024-10-21T11:46:28Z)
• An I2I Inpainting Approach for Efficient Channel Knowledge Map Construction [33.648491554358]
  本研究では,ラプラシアンピラミッド (LP) を用いたCKM構築手法を提案する。 提案手法は高い一般化能力を有し,異なる無線通信シナリオで実装可能である。
  論文  参考訳（メタデータ） (2024-06-14T08:24:52Z)
• Semi-Supervised Learning for Channel Charting-Aided IoT Localization in Millimeter Wave Networks [97.66522637417636]
  ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。 特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。 フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
  論文  参考訳（メタデータ） (2021-08-03T14:41:38Z)
• Channel-Wise Early Stopping without a Validation Set via NNK Polytope Interpolation [36.479195100553085]
  畳み込みニューラルネットワーク(ConvNets)は、複数のチャネルの集約によって形成される高次元の特徴空間からなる。 非次元カーネル回帰(NNK)グラフに基づく新しい一般化推定法であるチャネルワイドDeepNNKを提案する。
  論文  参考訳（メタデータ） (2021-07-27T17:33:30Z)
• 3D Human Action Representation Learning via Cross-View Consistency Pursuit [52.19199260960558]
  教師なし3次元骨格に基づく行動表現(CrosSCLR)のためのクロスビューコントラスト学習フレームワークを提案する。 CrosSCLRは、シングルビューのコントラスト学習(SkeletonCLR)とクロスビューの一貫した知識マイニング(CVC-KM)モジュールの両方で構成されています。
  論文  参考訳（メタデータ） (2021-04-29T16:29:41Z)
• Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain Adaptation using Structurally Regularized Deep Clustering [119.88565565454378]
  Unsupervised Domain Adapt (UDA) は、ターゲットドメイン上のラベルなしデータの予測を行う分類モデルを学ぶことである。 本稿では,対象データの正規化判別クラスタリングと生成クラスタリングを統合する構造的正規化深層クラスタリングのハイブリッドモデルを提案する。 提案するH-SRDCは, インダクティブ設定とトランスダクティブ設定の両方において, 既存の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-12-08T08:52:00Z)
• Channel Attention Residual U-Net for Retinal Vessel Segmentation [8.109768170171357]
  本稿では,網膜血管および非血管ピクセルを正確にセグメント化するための新しい深層学習モデル,CAR-UNetを提案する。 以上の結果から,提案したCAR-UNetは,3種類の網膜血管データセットの最先端性能を達成できた。
  論文  参考訳（メタデータ） (2020-04-07T20:47:40Z)
• Channel Interaction Networks for Fine-Grained Image Categorization [61.095320862647476]
  微妙なクラス間差のため、きめ細かい画像分類は困難である。 本稿では,チャネル・インタラクション・ネットワーク(CIN)を提案する。 我々のモデルは、多段階のトレーニングやテストを必要とせずに、エンドツーエンドで効率的にトレーニングすることができる。
  論文  参考訳（メタデータ） (2020-03-11T11:51:51Z)
• Channel Equilibrium Networks for Learning Deep Representation [63.76618960820138]
  この研究は正規化と正則線型関数の組み合わせがチャネルを阻害することを示している。 阻害されたチャネルを単に取り除いた先行技術とは異なり、我々は、新しいニューラルネットワークビルディングブロックを設計することで、トレーニング中に「目を覚ます」ことを提案する。 Channel Equilibrium (CE) ブロックは、同じレイヤのチャネルが学習した表現に等しく寄与することを可能にする。
  論文  参考訳（メタデータ） (2020-02-29T09:02:31Z)
• UR2KiD: Unifying Retrieval, Keypoint Detection, and Keypoint Description without Local Correspondence Supervision [16.68130648568593]
  キーポイント検出、記述、画像検索という3つの関連するタスクは、単一の統合フレームワークを使用して共同で取り組むことができる。 標準的なResNetアーキテクチャのシーケンシャルレイヤからの多様な情報を活用することで、ローカル情報をエンコードするキーポイントと記述子を抽出できる。 画像検索のためのグローバル情報は、上記のローカル応答のプールに基づいて、エンドツーエンドのパイプラインにエンコードされる。
  論文  参考訳（メタデータ） (2020-01-20T21:01:38Z)

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。