論文の概要: Confidence-aware agglomeration classification and segmentation of 2D microscopic food crystal images
- arxiv url: http://arxiv.org/abs/2507.23206v1
- Date: Thu, 31 Jul 2025 03:02:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:09.012261
- Title: Confidence-aware agglomeration classification and segmentation of 2D microscopic food crystal images
- Title（参考訳）: 信頼性を考慮した2次元食品結晶画像の集合分類とセグメンテーション
- Authors: Xiaoyu Ji, Ali Shakouri, Fengqing Zhu,
- Abstract要約: 食品結晶凝集(英: food crystal agglomeration)は、結晶化の過程で起こる現象であり、結晶間の水を捕捉し、食品の品質に影響を与える。
提案手法は2つの信頼度で評価され,潜在的凝集インスタンスの分類に成功している。
- 参考スコア（独自算出の注目度）: 7.521068676213135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Food crystal agglomeration is a phenomenon occurs during crystallization which traps water between crystals and affects food product quality. Manual annotation of agglomeration in 2D microscopic images is particularly difficult due to the transparency of water bonding and the limited perspective focusing on a single slide of the imaged sample. To address this challenge, we first propose a supervised baseline model to generate segmentation pseudo-labels for the coarsely labeled classification dataset. Next, an instance classification model that simultaneously performs pixel-wise segmentation is trained. Both models are used in the inference stage to combine their respective strengths in classification and segmentation. To preserve crystal properties, a post processing module is designed and included to both steps. Our method improves true positive agglomeration classification accuracy and size distribution predictions compared to other existing methods. Given the variability in confidence levels of manual annotations, our proposed method is evaluated under two confidence levels and successfully classifies potential agglomerated instances.
- Abstract（参考訳）: 食品結晶凝集(英: food crystal agglomeration)は、結晶化の過程で起こる現象であり、結晶間の水を捕捉し、食品の品質に影響を与える。
2次元顕微鏡画像における凝集のマニュアルアノテーションは、水結合の透明性と、画像サンプルの1枚のスライドに焦点を当てた限定的な視点のため、特に困難である。
この課題に対処するために、まず、粗いラベル付き分類データセットのためのセグメンテーション擬似ラベルを生成するための教師付きベースラインモデルを提案する。
次に、画素ワイドセグメンテーションを同時に行うインスタンス分類モデルを訓練する。
どちらのモデルも推論段階で、分類とセグメンテーションにおけるそれぞれの強みを組み合わせるために使用される。
結晶性を維持するため、後処理モジュールを設計し、両方のステップに含める。
本手法は,既存の手法と比較して正の正の分類精度とサイズ分布予測を改善する。
手動アノテーションの信頼性レベルの変化を考慮すると,提案手法は2つの信頼度で評価され,潜在的な集約されたインスタンスの分類に成功している。
関連論文リスト
- Aleatoric Uncertainty Medical Image Segmentation Estimation via Flow Matching [0.157286095422595]
医用画像のセグメンテーションにおけるアレタリック不確かさの定量化は、専門家のアノテータが観察する自然変動の反映であるため重要である。
提案手法は, 正確な密度を学習するシミュレーション不要なフローベース生成モデルである条件付きフローマッチングを利用する。
論文 参考訳（メタデータ） (2025-07-30T06:45:32Z) - CountDiffusion: Text-to-Image Synthesis with Training-Free Counting-Guidance Diffusion [82.82885671486795]
テキスト記述から適切なオブジェクト量で画像を生成するためのトレーニング不要のフレームワークであるCountDiffusionを提案する。
提案したCountDiffusionは、さらなるトレーニングなしで、拡散ベースのテキスト・ツー・イメージ(T2I)生成モデルにプラグインすることができる。
論文 参考訳（メタデータ） (2025-05-07T11:47:35Z) - D2C: Unlocking the Potential of Continuous Autoregressive Image Generation with Discrete Tokens [80.75893450536577]
モデル生成能力を向上させる新しい2段階法であるD2Cを提案する。
第1段階では、小さな離散値発生器を用いて粗粒度画像特徴を表す離散値トークンをサンプリングする。
第2段階では、離散トークンシーケンスに基づいて、きめ細かい画像特徴を表す連続値トークンを学習する。
論文 参考訳（メタデータ） (2025-03-21T13:58:49Z) - Efficient Microscopic Image Instance Segmentation for Food Crystal Quality Control [10.139069878149344]
本稿では,食品の結晶数と粒度分布を効率的に予測することに焦点を当てた。
オブジェクト検出に基づく効率的なインスタンスセグメンテーション手法を提案する。
実験結果から, 本手法の予測結晶計数精度は, 既存のセグメンテーション法に匹敵することがわかった。
論文 参考訳（メタデータ） (2024-09-26T21:01:45Z) - SAM-Driven Weakly Supervised Nodule Segmentation with Uncertainty-Aware Cross Teaching [13.5553526185399]
自動結節分割は超音波画像におけるコンピュータ支援診断に不可欠である。
近年、SAMのようなセグメンテーション基礎モデルは、自然画像に顕著な一般化性を示している。
本研究では, セグメンテーション基盤モデルを利用して擬似ラベルを生成する, 弱教師付きフレームワークを考案する。
論文 参考訳（メタデータ） (2024-07-18T14:27:54Z) - Multi-scale attention-based instance segmentation for measuring crystals
with large size variation [4.562538903457833]
本研究では,測定精度を向上させるために,より堅牢なセグメンテーション結果を提供するインスタンスベースのセグメンテーション手法を提案する。
提案手法は,サイズを意識したマルチスケールアテンションモジュールを用いたフローマップを改良する。
結晶粒径の変動が大きい高解像度画像の屈折率原材料データセットを用いて本手法の評価を行い,既存の方法よりも高精度に結晶粒径を計算できることを示す。
論文 参考訳（メタデータ） (2024-01-08T14:57:32Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - Towards Better Certified Segmentation via Diffusion Models [62.21617614504225]
セグメンテーションモデルは敵の摂動に弱いため、医療や自動運転といった重要な意思決定システムでの使用を妨げます。
近年,理論的保証を得るためにガウス雑音を入力に加えることにより,セグメント化予測のランダム化が提案されている。
本稿では,ランダムな平滑化と拡散モデルを組み合わせたセグメンテーション予測の問題に対処する。
論文 参考訳（メタデータ） (2023-06-16T16:30:39Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳（メタデータ） (2023-02-03T13:50:25Z) - Tackling Inter-Class Similarity and Intra-Class Variance for Microscopic
Image-based Classification [0.0]
クラス間の類似性とクラス間の差異が誤分類の原因となると考えられる。
本稿では,視覚的特徴に基づいて,クラスを高い分散度で分割することで,それを説明することを提案する。
提案アルゴリズムは,作成したサブクラスの最適な数を自動的に決定し,各サブクラスを個別のトレーニングクラスとみなす。
論文 参考訳（メタデータ） (2021-09-24T11:17:02Z) - 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)
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。