論文の概要: Neural Cellular Automata for Weakly Supervised Segmentation of White Blood Cells

• arxiv url: http://arxiv.org/abs/2508.12322v1
• Date: Sun, 17 Aug 2025 10:40:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.682155
• Title: Neural Cellular Automata for Weakly Supervised Segmentation of White Blood Cells
• Title（参考訳）: 著明に観察された白血球分離のための神経細胞オートマタ
• Authors: Michael Deutges, Chen Yang, Raheleh Salehi, Nassir Navab, Carsten Marr, Ario Sadafi,
• Abstract要約: ニューラルセルオートマトン(NCA)を用いた弱教師付きセグメンテーションのための新しいアプローチを提案する。 本手法を3つの白血球顕微鏡データセット上で評価し,NAA-WSSが既存の弱教師付きアプローチよりも有意に優れていることを示す。
• 参考スコア（独自算出の注目度）: 37.639376961641666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The detection and segmentation of white blood cells in blood smear images is a key step in medical diagnostics, supporting various downstream tasks such as automated blood cell counting, morphological analysis, cell classification, and disease diagnosis and monitoring. Training robust and accurate models requires large amounts of labeled data, which is both time-consuming and expensive to acquire. In this work, we propose a novel approach for weakly supervised segmentation using neural cellular automata (NCA-WSS). By leveraging the feature maps generated by NCA during classification, we can extract segmentation masks without the need for retraining with segmentation labels. We evaluate our method on three white blood cell microscopy datasets and demonstrate that NCA-WSS significantly outperforms existing weakly supervised approaches. Our work illustrates the potential of NCA for both classification and segmentation in a weakly supervised framework, providing a scalable and efficient solution for medical image analysis.
• Abstract（参考訳）: 血液スミア画像中の白血球の検出とセグメンテーションは、医療診断における重要なステップであり、自動血球計数、形態解析、細胞分類、疾患診断とモニタリングなど、様々な下流タスクをサポートする。 堅牢で正確なモデルのトレーニングには大量のラベル付きデータが必要です。 本研究では,ニューラルセルオートマトン(NCA-WSS)を用いた弱教師付きセグメンテーションのための新しい手法を提案する。 分類中にNAAが生成する特徴マップを利用することで,セグメンテーション・ラベリングを必要とせずにセグメンテーション・マスクを抽出できる。 本手法を3つの白血球顕微鏡データセット上で評価し,NAA-WSSが既存の弱教師付きアプローチよりも有意に優れていることを示す。 本研究は,医用画像解析のスケーラブルで効率的なソリューションとして,分類とセグメント化の両面でのNAAの可能性を示すものである。

関連論文リスト

• Leveraging Sparse Annotations for Leukemia Diagnosis on the Large Leukemia Dataset [44.948939549346676]
  白血病は世界で10番目に頻繁に診断されるがんであり、がん関連死亡の原因の1つとなっている。 医学画像の深層学習の進歩にもかかわらず、白血病解析には多種多様なマルチタスクデータセットが欠けている。 大規模WBCデータセットと,その属性を用いてWBCを検出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-03T14:04:02Z)
• MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
  単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。 セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
  論文  参考訳（メタデータ） (2024-06-12T15:22:56Z)
• Neural Cellular Automata for Lightweight, Robust and Explainable Classification of White Blood Cell Images [40.347953893940044]
  ニューラルセルオートマトン(NCA)を用いた白血球分類の新しいアプローチを提案する。 NCAに基づく手法はパラメータの面で著しく小さく,ドメインシフトに対する堅牢性を示す。 その結果,NAAは画像分類に利用でき,従来の手法の課題に対処できることがわかった。
  論文  参考訳（メタデータ） (2024-04-08T14:59:53Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Unsupervised Cross-Domain Feature Extraction for Single Blood Cell Image Classification [37.90158669637884]
  AutoencoderはR-CNNアーキテクチャをベースにしており、関連する白血球にフォーカスし、画像のアーティファクトを除去することができる。 本研究では,データセットの1つのみで訓練されたオートエンコーダによって抽出されたリッチな特徴により,ランダムな森林分類器は未知のデータセットに対して良好に実行可能であることを示す。 以上の結果から,より複雑な診断・予後タスクにこの教師なしアプローチを適用すれば,高価な専門家ラベルを未確認データに加える必要がなくなる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-07-01T15:44:42Z)
• Deep CNNs for Peripheral Blood Cell Classification [0.0]
  我々は、顕微鏡的末梢血細胞画像データセットに基づいて、27の人気の深層畳み込みニューラルネットワークアーキテクチャをベンチマークした。 血液細胞分類のためのImageNetデータセットに事前トレーニングされた最先端画像分類モデルを微調整する。
  論文  参考訳（メタデータ） (2021-10-18T17:56:07Z)
• Multi-Class Classification of Blood Cells -- End to End Computer Vision based diagnosis case study [0.0]
  我々は,外輪郭,色の形態的特徴から,白血球分類の問題に取り組む。 我々は、最小時間複雑さと低リソース要求でロバストなアルゴリズムを特定するために、多くのアルゴリズムを探求したい。
  論文  参考訳（メタデータ） (2021-06-23T17:18:19Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。