Fugu-MT 論文翻訳(概要): MIDOG 2025: Mitotic Figure Detection with Attention-Guided False Positive Correction

論文の概要: MIDOG 2025: Mitotic Figure Detection with Attention-Guided False Positive Correction

arxiv url: http://arxiv.org/abs/2509.02598v1
Date: Fri, 29 Aug 2025 15:55:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-04 21:40:46.241499
Title: MIDOG 2025: Mitotic Figure Detection with Attention-Guided False Positive Correction
Title（参考訳）: MIDOG 2025:注意誘導偽陽性補正による有意な図形検出
Authors: Andrew Broad, Jason Keighley, Lucy Godson, Alex Wright,
Abstract要約: 既存のFCOS(Fully Convolutional One-Stage Object Detector)を拡張した新しいアプローチを提案する。本モデルでは,正常値と異常値の分類のためのフィードバックアテンションラダーCNN (FAL-CNN) モデルを提案する。本ネットワークは、FCOSオブジェクト検出器の偽陽性率を低減し、オブジェクト検出の精度を向上し、ネットワークの汎用性を高めることを目的としている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a novel approach which extends the existing Fully Convolutional One-Stage Object Detector (FCOS) for mitotic figure detection. Our composite model adds a Feedback Attention Ladder CNN (FAL-CNN) model for classification of normal versus abnormal mitotic figures, feeding into a fusion network that is trained to generate adjustments to bounding boxes predicted by FCOS. Our network aims to reduce the false positive rate of the FCOS object detector, to improve the accuracy of object detection and enhance the generalisability of the network. Our model achieved an F1 score of 0.655 for mitosis detection on the preliminary evaluation dataset.
Abstract（参考訳）: 本稿では,既存のFCOS(Fully Convolutional One-Stage Object Detector)を拡張した新しい手法を提案する。本モデルでは,FAL-CNNモデルを用いて,通常の有糸分裂図形と異常有糸分裂図形の分類を行い,FCOSによって予測される境界ボックスの調整を訓練した融合ネットワークに入力する。本ネットワークは、FCOSオブジェクト検出器の偽陽性率を低減し、オブジェクト検出の精度を向上し、ネットワークの汎用性を高めることを目的としている。予備評価データセットを用いて, 有糸分裂検出のためのF1スコア0.655を達成した。

関連論文リスト

RF-DETR for Robust Mitotic Figure Detection: A MIDOG 2025 Track 1 Approach [0.0]
本稿では,MIDOG 2025 チャレンジトラック 1 へのアプローチを,多様な組織学的文脈における堅牢な有糸分裂型人物検出に焦点をあてる。 RF-DETR (Roboflow Detection Transformer) を用いて,MIDOG++データセットをトレーニングした。予備試験では,0.789点,0.839点,精度0.746点のF1値を得た。
論文参考訳（メタデータ） (2025-08-29T16:04:50Z)
MitoDetect++: A Domain-Robust Pipeline for Mitosis Detection and Atypical Subtyping [5.8892536770897665]
MitoDetect++はMIDOG 2025チャレンジ用に設計された統合ディープラーニングパイプラインである。検出には、EfficientNetV2-LをバックボーンとするU-Netベースのエンコーダデコーダアーキテクチャを用いる。分類には、Lo-Rank Adaptation (LoRA) を用いて効率よく微調整されたVirchow2視覚変換器を用いて、資源消費を最小限に抑える。
論文参考訳（メタデータ） (2025-08-28T18:19:51Z)
Model Inversion Attacks Through Target-Specific Conditional Diffusion Models [54.69008212790426]
モデル反転攻撃(MIA)は、ターゲット分類器のトレーニングセットからプライベートイメージを再構築することを目的としており、それによってAIアプリケーションにおけるプライバシー上の懸念が高まる。従来のGANベースのMIAは、GANの固有の欠陥と潜伏空間における最適化の偏りにより、劣った遺伝子的忠実度に悩まされる傾向にある。これらの問題を緩和するために拡散モデル反転(Diff-MI)攻撃を提案する。
論文参考訳（メタデータ） (2024-07-16T06:38:49Z)
Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文参考訳（メタデータ） (2023-12-27T17:36:32Z)
You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
論文参考訳（メタデータ） (2023-10-14T11:03:04Z)
Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2022-06-23T14:16:30Z)
An Efficient End-to-End Deep Neural Network for Interstitial Lung Disease Recognition and Classification [0.5424799109837065]
本稿では、IDDパターンを分類するためのエンドツーエンドのディープ畳み込みニューラルネットワーク(CNN)を提案する。提案モデルでは,カーネルサイズが異なる4つの畳み込み層と,Rectified Linear Unit (ReLU) アクティベーション機能を備える。 128のCTスキャンと5つのクラスからなる21328の画像パッチからなるデータセットを用いて、提案モデルのトレーニングと評価を行う。
論文参考訳（メタデータ） (2022-04-21T06:36:10Z)
An Attention Module for Convolutional Neural Networks [5.333582981327498]
本稿では,AW-畳み込みを開発することで,畳み込みニューラルネットワークのためのアテンションモジュールを提案する。画像分類とオブジェクト検出タスクのための複数のデータセットの実験により,提案した注目モジュールの有効性が示された。
論文参考訳（メタデータ） (2021-08-18T15:36:18Z)
AGSFCOS: Based on attention mechanism and Scale-Equalizing pyramid network of object detection [10.824032219531095]
現在のCOCOデータセットの一般的な検出モデルと比較すると,精度はある程度向上している。我々の最適モデルはResNet50の背景で39.5%のCOCO APが得られる。
論文参考訳（メタデータ） (2021-05-20T08:41:02Z)
Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
論文参考訳（メタデータ） (2020-06-25T12:42:01Z)

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。