論文の概要: SiliCoN: Simultaneous Nuclei Segmentation and Color Normalization of Histological Images
- arxiv url: http://arxiv.org/abs/2506.07028v1
- Date: Sun, 08 Jun 2025 07:31:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-10 16:33:10.635933
- Title: SiliCoN: Simultaneous Nuclei Segmentation and Color Normalization of Histological Images
- Title（参考訳）: SiliCoN: 組織像の同時核分割と色正規化
- Authors: Suman Mahapatra, Pradipta Maji,
- Abstract要約: 本稿では, 原子核構造を同時に分割し, 染色組織像の色調を正規化するための新しい深部生成モデルを提案する。
提案モデルは, 組織像からの核領域分割のための空間的注意の概念を取り入れたモデルである。
- 参考スコア（独自算出の注目度）: 12.154569665167424
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Segmentation of nuclei regions from histological images is an important task for automated computer-aided analysis of histological images, particularly in the presence of impermissible color variation in the color appearance of stained tissue images. While color normalization enables better nuclei segmentation, accurate segmentation of nuclei structures makes color normalization rather trivial. In this respect, the paper proposes a novel deep generative model for simultaneously segmenting nuclei structures and normalizing color appearance of stained histological images.This model judiciously integrates the merits of truncated normal distribution and spatial attention. The model assumes that the latent color appearance information, corresponding to a particular histological image, is independent of respective nuclei segmentation map as well as embedding map information. The disentangled representation makes the model generalizable and adaptable as the modification or loss in color appearance information cannot be able to affect the nuclei segmentation map as well as embedding information. Also, for dealing with the stain overlap of associated histochemical reagents, the prior for latent color appearance code is assumed to be a mixture of truncated normal distributions. The proposed model incorporates the concept of spatial attention for segmentation of nuclei regions from histological images. The performance of the proposed approach, along with a comparative analysis with related state-of-the-art algorithms, has been demonstrated on publicly available standard histological image data sets.
- Abstract（参考訳）: 組織像からの核領域の分離は、組織像のコンピュータ支援による自動解析において重要な課題であり、特に染色組織像の色相における不寛容な色変化の存在において重要である。
色正規化は核のセグメンテーションを改善することができるが、正確な核構造のセグメンテーションは、色正規化をかなり簡単なものにする。
本稿では, 原子核構造を同時に分割し, 染色組織像の色調を正規化するための新しい深部生成モデルを提案する。
モデルは、特定の組織像に対応する潜色出現情報が、埋め込みマップ情報だけでなく、それぞれの核分割マップから独立していると仮定する。
不整合表現は、色覚情報の修正や喪失が、埋め込み情報と同様に核分割マップに影響を与えることができないため、モデルを一般化可能かつ適応可能とする。
また, 関連する組織化学的試薬の染色重なりに対処するために, 遅延色出現符号は, 切り裂かれた正常分布の混合であると仮定した。
提案モデルは, 組織像からの核領域分割のための空間的注意の概念を取り入れたモデルである。
提案手法の性能は、関連する最先端アルゴリズムとの比較分析とともに、公開されている標準ヒストロジ画像データセットで実証されている。
関連論文リスト
- Optimal Transport Driven Asymmetric Image-to-Image Translation for Nuclei Segmentation of Histological Images [12.154569665167424]
組織像から核構造を分割する新しい深部生成モデルを提案する。
提案モデルでは,情報量の多いヒストロジ画像空間と情報量が少ないセグメンテーションマップ領域との間の情報格差を扱うための埋め込み空間を考察する。
提案したモデルは、複雑なネットワークアーキテクチャを持つ他の既存モデルと比較して、ネットワーク複雑性とモデルパフォーマンスのトレードオフを良くする。
論文 参考訳（メタデータ） (2025-06-08T07:05:33Z) - Diffusion-based Data Augmentation for Nuclei Image Segmentation [68.28350341833526]
核セグメンテーションのための拡散法を初めて導入する。
このアイデアは、多数のラベル付き画像を合成し、セグメンテーションモデルを訓練することを目的としている。
実験の結果,10%のラベル付き実データセットを合成サンプルで拡張することにより,同等のセグメンテーション結果が得られることがわかった。
論文 参考訳（メタデータ） (2023-10-22T06:16:16Z) - DARC: Distribution-Aware Re-Coloring Model for Generalizable Nucleus
Segmentation [68.43628183890007]
ドメインギャップは、異なるフォアグラウンド(核)-バックグラウンド比によっても引き起こされる可能性があると我々は主張する。
まず、異なる領域間の劇的な画像色変化を緩和する再カラー化手法を提案する。
次に,前景-背景比の変動に頑健な新しいインスタンス正規化手法を提案する。
論文 参考訳（メタデータ） (2023-09-01T01:01:13Z) - Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。
本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。
次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
論文 参考訳（メタデータ） (2023-02-22T14:52:06Z) - A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳（メタデータ） (2022-11-08T09:54:34Z) - BriFiSeg: a deep learning-based method for semantic and instance
segmentation of nuclei in brightfield images [0.0]
静止しない明視野画像は、生きた試料と固定された試料の両方からどんな顕微鏡でも取得できる。
4つの異なる細胞株において, 明視野画像からの核的セグメンテーションが得られた。
セグメンテーションには2つの異なる効果的な戦略が採用された。
論文 参考訳（メタデータ） (2022-11-06T10:03:04Z) - Neuroplastic graph attention networks for nuclei segmentation in
histopathology images [17.30043617044508]
細胞核のセマンティックセグメンテーションのための新しいアーキテクチャを提案する。
このアーキテクチャは、新しい神経可塑性グラフアテンションネットワークで構成されている。
実験的な評価では、我々のフレームワークは最先端のニューラルネットワークのアンサンブルよりも優れています。
論文 参考訳（メタデータ） (2022-01-10T22:19:14Z) - Frequency and Spatial domain based Saliency for Pigmented Skin Lesion
Segmentation [0.0]
そこで本研究では, 周波数領域と空間領域から得られた簡易かつ効果的な唾液濃度に基づく顔料皮膚病変の検出手法を提案する。
2つのカラーモデルがこれらの地図の構築に利用されている。
実験結果から,提案手法は最先端手法と比較して,より優れたセグメンテーション結果を生成することが示唆された。
論文 参考訳（メタデータ） (2020-10-08T14:38:42Z) - Structure Preserving Stain Normalization of Histopathology Images Using
Self-Supervised Semantic Guidance [84.7571086566595]
本稿では,GANに基づく染色正規化フレームワークにセマンティックガイダンスを組み込むための自己教師型アプローチを提案する。
本手法では,既存の手法に対して大きな優位性を持つ手動分割マップを必要としない。
論文 参考訳（メタデータ） (2020-08-05T12:59:15Z) - Stain Style Transfer of Histopathology Images Via Structure-Preserved
Generative Learning [31.254432319814864]
本研究では,SSIM-GANとDSCSI-GANの2つのステンスタイル転送モデルを提案する。
学習における構造保存指標と補助診断ネットのフィードバックを協調することにより、医療関連情報をカラー正規化画像に保存する。
論文 参考訳（メタデータ） (2020-07-24T15:30:19Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。