論文の概要: Single Tensor Cell Segmentation using Scalar Field Representations

• arxiv url: http://arxiv.org/abs/2511.13947v1
• Date: Mon, 17 Nov 2025 22:05:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.822147
• Title: Single Tensor Cell Segmentation using Scalar Field Representations
• Title（参考訳）: スカラーフィールド表現を用いた単一テンソルセル分割
• Authors: Kevin I. Ruiz Vargas, Gabriel G. Galdino, Tsang Ing Ren, Alexandre L. Cunha,
• Abstract要約: 我々は,画像領域上の連続スカラー場を学習し,そのセグメンテーションが画像に存在するセルに対してロバストなインスタンスを生成する。 文献からの公開データセットに競合する結果を提示し、我々の新しい、単純かつ幾何学的に洞察に富んだアプローチが優れたセルセグメンテーション結果を得ることができることを示す。
• 参考スコア（独自算出の注目度）: 39.89676376809307
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We investigate image segmentation of cells under the lens of scalar fields. Our goal is to learn a continuous scalar field on image domains such that its segmentation produces robust instances for cells present in images. This field is a function parameterized by the trained network, and its segmentation is realized by the watershed method. The fields we experiment with are solutions to the Poisson partial differential equation and a diffusion mimicking the steady-state solution of the heat equation. These solutions are obtained by minimizing just the field residuals, no regularization is needed, providing a robust regression capable of diminishing the adverse impacts of outliers in the training data and allowing for sharp cell boundaries. A single tensor is all that is needed to train a \unet\ thus simplifying implementation, lowering training and inference times, hence reducing energy consumption, and requiring a small memory footprint, all attractive features in edge computing. We present competitive results on public datasets from the literature and show that our novel, simple yet geometrically insightful approach can achieve excellent cell segmentation results.
• Abstract（参考訳）: 本研究では,スカラーフィールドのレンズ下でのセルのイメージセグメンテーションについて検討する。 我々のゴールは、画像領域上の連続スカラーフィールドを学習し、そのセグメンテーションが画像に存在するセルに対してロバストなインスタンスを生成することである。 このフィールドは訓練されたネットワークによってパラメータ化され、そのセグメンテーションは流域法によって実現される。 私たちが実験した分野は、ポアソン偏微分方程式の解であり、熱方程式の定常解を模倣する拡散である。 これらの解は、フィールド残差だけを最小限に抑え、正規化を必要とせず、トレーニングデータにおける外れ値の悪影響を低減し、鋭い細胞境界を可能にする堅牢な回帰を提供する。 単一テンソルは、実装を単純化し、トレーニングと推論時間を短縮し、エネルギー消費を減らし、エッジコンピューティングの魅力的な機能である小さなメモリフットプリントを必要とする。 文献からの公開データセットに競合する結果を提示し、我々の新しい、単純かつ幾何学的に洞察に富んだアプローチが優れたセルセグメンテーション結果を得ることができることを示す。

関連論文リスト

• Low-Rank Tensor Function Representation for Multi-Dimensional Data Recovery [52.21846313876592]
  低ランクテンソル関数表現(LRTFR)は、無限解像度でメッシュグリッドを超えてデータを連続的に表現することができる。 テンソル関数に対する2つの基本的な概念、すなわちテンソル関数ランクとローランクテンソル関数分解を開発する。 提案手法は,最先端手法と比較して,提案手法の優越性と汎用性を裏付けるものである。
  論文  参考訳（メタデータ） (2022-12-01T04:00:38Z)
• Geodesic Sinkhorn for Fast and Accurate Optimal Transport on Manifolds [53.110934987571355]
  多様体グラフ上の熱核に基づく測地学的シンクホーンを提案する。 化学療法中の患者試料からの高次元単細胞データの複数分布のバリセンタの計算に本法を適用した。
  論文  参考訳（メタデータ） (2022-11-02T00:51:35Z)
• Cell segmentation from telecentric bright-field transmitted light microscopic images using a Residual Attention U-Net: a case study on HeLa line [0.0]
  明視野光顕微鏡画像からのリビング細胞分画は、生体細胞の画像の複雑さと時間的変化のために困難である。 近年, 深層学習(DL)に基づく手法が, その成功と有望な成果により, 医用・顕微鏡画像分割作業で普及している。 本研究の目的は,HeLa線の生きた細胞を光電場透過顕微鏡で分断する深層学習型UNet法を開発することである。
  論文  参考訳（メタデータ） (2022-03-23T09:20:30Z)
• Image segmentation via Cellular Automata [58.86475603234583]
  我々は高解像度画像のセグメンテーションを成功させるセルオートマトンを設計し、訓練する。 私たちの最小のオートマトンは、複雑なセグメンテーションタスクを解決するために1万以下のパラメータを使用します。
  論文  参考訳（メタデータ） (2020-08-11T19:04:09Z)
• Split and Expand: An inference-time improvement for Weakly Supervised Cell Instance Segmentation [71.50526869670716]
  本研究では,分割マップのインスタンスへの変換を改善するために,2段階の後処理手順であるSplitとExpandを提案する。 Splitのステップでは,セルの集合をセグメント化マップから個々のセルインスタンスに分割し,セル中心の予測を導出する。 拡張ステップでは、細胞中心予測を用いて、小さな細胞が欠落していることが分かる。
  論文  参考訳（メタデータ） (2020-07-21T14:05:09Z)
• Learning to segment clustered amoeboid cells from brightfield microscopy via multi-task learning with adaptive weight selection [6.836162272841265]
  マルチタスク学習パラダイムにおけるセルセグメンテーションのための新しい教師付き手法を提案する。 ネットワークの予測効率を向上させるために、領域とセル境界検出に基づくマルチタスク損失の組み合わせを用いる。 検証セットで全体のDiceスコアが0.93であり、これは最近の教師なし手法で15.9%以上の改善であり、一般的な教師付きU-netアルゴリズムを平均5.8%以上上回っている。
  論文  参考訳（メタデータ） (2020-05-19T11:31:53Z)
• FDA: Fourier Domain Adaptation for Semantic Segmentation [82.4963423086097]
  本稿では,教師なし領域適応の簡易な手法について述べる。一方の低周波スペクトルを他方と交換することにより,音源と対象分布の相違を低減できる。 本手法を意味的セグメンテーション(semantic segmentation, 意味的セグメンテーション, 意味的セグメンテーション)で説明する。 以上の結果から,より高度な手法が学習に苦しむデータにおいて,単純な手順であってもニュアンス変動を低減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-04-11T22:20:48Z)
• Cell Segmentation by Combining Marker-Controlled Watershed and Deep Learning [0.6091702876917281]
  本稿では,密集したセルの画像を解析するためのセル分割法を提案する。 マーカー制御型流域変換と畳み込みニューラルネットワーク(CNN)の強みを組み合わせた手法 提案手法は使いやすく, 各種データに最先端の性能を応用した汎用化を実現している。
  論文  参考訳（メタデータ） (2020-04-03T14:51:43Z)
• Cell Segmentation and Tracking using CNN-Based Distance Predictions and a Graph-Based Matching Strategy [0.20999222360659608]
  顕微鏡画像における触覚細胞のセグメンテーション法を提案する。 距離マップにインスパイアされた新しい細胞境界の表現を用いることで, 触覚細胞だけでなく, 近接細胞をトレーニングプロセスで利用することができる。 この表現は、特にアノテーションエラーに対して堅牢であり、未表現または未含の細胞型を含むトレーニングデータに含まれる顕微鏡画像のセグメンテーションに対して有望な結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T11:55:28Z)
• Unsupervised Community Detection with a Potts Model Hamiltonian, an Efficient Algorithmic Solution, and Applications in Digital Pathology [1.6506888719932784]
  本稿では,各色特徴に基づく入力画像画素の高速な統計的ダウンサンプリングと,セグメント関係を考慮したポッツモデルエネルギーの最小化手法を提案する。 特に腎疾患における腎糸球体微小環境のセグメンテーションにおいて,医用顕微鏡画像のセグメンテーションに本法の応用を実証した。
  論文  参考訳（メタデータ） (2020-02-05T01:20:28Z)

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。