論文の概要: DyMorph-B2I: Dynamic and Morphology-Guided Binary-to-Instance Segmentation for Renal Pathology

• arxiv url: http://arxiv.org/abs/2508.15208v1
• Date: Thu, 21 Aug 2025 03:41:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.167979
• Title: DyMorph-B2I: Dynamic and Morphology-Guided Binary-to-Instance Segmentation for Renal Pathology
• Title（参考訳）: DyMorph-B2I: 腎疾患に対する動的および形態誘導型バイナリ・インスタンス・セグメンテーション
• Authors: Leiyue Zhao, Yuechen Yang, Yanfan Zhu, Haichun Yang, Yuankai Huo, Paul D. Simonson, Kenji Ikemura, Mert R. Sabuncu, Yihe Yang, Ruining Deng,
• Abstract要約: DyMorph-B2Iは、腎病理に適合した動的、モルフォロジー誘導二元間セグメンテーションパイプラインである。 当社のアプローチでは,統合されたフレームワーク内に流域,骨格化,形態的操作を統合する。 我々の手法は、個々の古典的アプローチとナチ的組み合わせより優れています。
• 参考スコア（独自算出の注目度）: 7.794482892606199
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate morphological quantification of renal pathology functional units relies on instance-level segmentation, yet most existing datasets and automated methods provide only binary (semantic) masks, limiting the precision of downstream analyses. Although classical post-processing techniques such as watershed, morphological operations, and skeletonization, are often used to separate semantic masks into instances, their individual effectiveness is constrained by the diverse morphologies and complex connectivity found in renal tissue. In this study, we present DyMorph-B2I, a dynamic, morphology-guided binary-to-instance segmentation pipeline tailored for renal pathology. Our approach integrates watershed, skeletonization, and morphological operations within a unified framework, complemented by adaptive geometric refinement and customizable hyperparameter tuning for each class of functional unit. Through systematic parameter optimization, DyMorph-B2I robustly separates adherent and heterogeneous structures present in binary masks. Experimental results demonstrate that our method outperforms individual classical approaches and na\"ive combinations, enabling superior instance separation and facilitating more accurate morphometric analysis in renal pathology workflows. The pipeline is publicly available at: https://github.com/ddrrnn123/DyMorph-B2I.
• Abstract（参考訳）: 腎病理機能単位の正確な形態的定量化は、インスタンスレベルのセグメンテーションに依存しているが、既存のデータセットや自動化された手法は、下流分析の精度を制限し、二項(セマンティック)マスクのみを提供する。 分水界、形態学的操作、骨格化のような古典的な後処理技術は、しばしばセマンティックマスクをインスタンスに分けるために使用されるが、それらの個々の効果は、腎組織に見られる様々な形態と複雑な接続によって制約される。 本研究では, 腎病理学に適した動的, 形態誘導型バイナリ・ツー・インスタンス・セグメンテーションパイプラインであるDyMorph-B2Iについて述べる。 本手法は,機能単位のクラスごとに適応的な幾何改良とカスタマイズ可能なハイパーパラメータチューニングによって補完される,統一された枠組み内での流域,骨格化,形態的操作を統合する。 体系的なパラメータ最適化を通じて、DyMorph-B2Iは二元マスクに存在する付着構造と不均一構造を強く分離する。 実験結果から,本手法は個々の古典的アプローチと「na\」の組み合わせよりも優れており,より優れた症例分離が可能であり,腎疾患のワークフローにおけるより正確な形態計測分析を容易にすることが示唆された。 パイプラインは、https://github.com/ddrrnn123/DyMorph-B2Iで公開されている。

関連論文リスト

• Glo-DMU: A Deep Morphometry Framework of Ultrastructural Characterization in Glomerular Electron Microscopic Images [8.502981501295627]
  複雑で多様な超構造的特徴は、腎臓病のタイプ、進行、予後を示す。 我々は超構造評価のための球状形態計測フレームワーク(Glo-DMU)を提案する。 Glo-DMUは、球状基底膜の厚み、足のプロセスの外観の程度、電子線密度の堆積物の位置を同時に定量する。
  論文  参考訳（メタデータ） (2025-08-14T05:25:30Z)
• GRASPing Anatomy to Improve Pathology Segmentation [67.98147643529309]
  本稿では,病的セグメンテーションモデルを強化するモジュール型プラグイン・アンド・プレイフレームワークGRASPを紹介する。 2つのPET/CTデータセット上でGRASPを評価し、系統的アブレーション研究を行い、フレームワークの内部動作について検討する。
  論文  参考訳（メタデータ） (2025-08-05T12:26:36Z)
• Simulation-based inference for stochastic nonlinear mixed-effects models with applications in systems biology [0.29998889086656577]
  階層型混合効果モデルにおける拡張ベイズ推定のための新しい手法を提案する。 我々のフレームワークはまず、確率と後部分布の補正近似を構築し、各データセットに対して高速に精製する。 統計的精度の点で,我々のアプローチは迅速かつ競争的であった。
  論文  参考訳（メタデータ） (2025-04-15T15:18:58Z)
• Automated Sperm Morphology Analysis Based on Instance-Aware Part Segmentation [10.433137850553148]
  本稿では,精子形態パラメータを自動的,定量的に測定する自動化手法を提案する。 新たなアテンションベースの部分分割ネットワークは、失われたコンテキストをバウンディングボックスの外に再構築するように設計されている。 末尾の終端を正確に再構成するために、外れ値フィルタリング法と終端検出アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-07-31T18:44:37Z)
• HATs: Hierarchical Adaptive Taxonomy Segmentation for Panoramic Pathology Image Analysis [19.04633470168871]
  パノラマ画像分割は、形態学的に複雑で可変スケールの解剖学のため、顕著な課題である。 本稿では, 腎臓構造のパノラマ像を, 詳細な解剖学的知見を生かして網羅的に把握することを目的とした, 階層型適応分類法を提案する。 提案手法では,各領域,機能単位,細胞にまたがる空間的関係を多機能な「プラグ・アンド・プレイ」損失関数に変換する革新的HATs手法と,解剖学的階層化と大規模考察を,全パノラマ要素に統一された単純な行列表現に変換すること,そして,(3)。
  論文  参考訳（メタデータ） (2024-06-30T05:35:26Z)
• Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
  カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。 本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-23T12:52:49Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Generalized Organ Segmentation by Imitating One-shot Reasoning using Anatomical Correlation [55.1248480381153]
  そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。 そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-30T13:41:12Z)
• Classifying Breast Histopathology Images with a Ductal Instance-Oriented Pipeline [10.605775819074886]
  ダクトレベルセグナーは、顕微鏡画像内で各ダクトの個人を識別しようとする。 その後、特定されたダクタルインスタンスから組織レベルの情報を抽出します。 提案されたDIOPは、推論時間で実行するのに数秒しかかからない。
  論文  参考訳（メタデータ） (2020-12-11T05:43:12Z)
• Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
  一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。 線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。 提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:55:47Z)

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。