論文の概要: Detection of Virus and Small Cell Patches in Foci Images Using Switchable Convolution and Feature Pyramid Networks

• arxiv url: http://arxiv.org/abs/2605.22290v1
• Date: Thu, 21 May 2026 10:39:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.213424
• Title: Detection of Virus and Small Cell Patches in Foci Images Using Switchable Convolution and Feature Pyramid Networks
• Title（参考訳）: スイッチングコンボリューションと特徴ピラミッドネットワークを用いた焦点画像中のウイルスおよび小細胞パッチの検出
• Authors: Amrita Singh, Snehasis Mukherjee,
• Abstract要約: 本稿では,FPN(Feature Pyramid Network)を統合し,マルチスケールな特徴表現を改善するYOLOv2ベース検出器を提案する。 また,高密度顕微鏡画像における微粒化ターゲットに対する受容場適応のために,スイッチング可能な畳み込み機構を組み込んだ。 以上の結果から,FPNをベースとした機能融合と交換可能な畳み込みを併用することで,特殊なバイオメディカル物体検出タスクにおけるYOLOv2の適合性が向上することが示唆された。
• 参考スコア（独自算出の注目度）: 1.3464152928754485
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate detection and counting of virus patches in focus-forming unit (FFU) images, also known as foci images, are important for quantifying viral infection and analyzing cellular structures. This task is challenging because biomedical targets often vary substantially in size, density, contrast, and shape. In this paper, we propose an enhanced YOLOv2-based detector that integrates a Feature Pyramid Network (FPN) to improve multi-scale feature representation. We also incorporate a switchable atrous convolution mechanism to adapt the receptive field for fine-grained targets in dense microscopy images. The proposed method is evaluated on biomedical foci image datasets for virus patch and small cell patch detection. For small cell patch detection, the model achieves a mean average precision (mAP) of 40.5% at a 25% Intersection over Union (IoU) threshold. For FFU virus patch detection, the model achieves an mAP of 68%. These results indicate that combining FPN-based feature fusion with switchable convolution improves the suitability of YOLOv2 for specialized biomedical object detection tasks
• Abstract（参考訳）: フォーカスフォーミングユニット(FFU)画像におけるウイルスパッチの正確な検出とカウントは、ウイルス感染の定量化と細胞構造の解析に重要である。 バイオメディカルターゲットはサイズ、密度、コントラスト、形状に大きく異なることが多いため、この課題は難しい。 本稿では,FPN(Feature Pyramid Network)を統合し,マルチスケールな特徴表現を改善するYOLOv2ベースの拡張型検出器を提案する。 また,高密度顕微鏡画像における微粒化ターゲットに対する受容場適応のために,スイッチング可能なアトラス畳み込み機構を組み込んだ。 本手法は,ウイルスパッチと小細胞パッチ検出のためのバイオメディカル・ファシ画像データセットを用いて評価する。 小型のセルパッチ検出では、平均的な平均精度(mAP)が25%のインターセクションオーバーユニオン(IoU)閾値で40.5%に達する。 FFUウイルスのパッチ検出では、モデルではmAPが68%に達する。 これらの結果は、FPNをベースとした特徴融合と交換可能な畳み込みを併用することで、特殊なバイオメディカル物体検出タスクにおけるYOLOv2の適合性を向上させることを示唆している。

関連論文リスト

• Micro-Defects Expose Macro-Fakes: Detecting AI-Generated Images via Local Distributional Shifts [48.75898711300078]
  生成モデルは、非常に現実的なように見えるイメージを生成することができ、実際の画像とAI生成イメージを区別する上での課題を提起する。 局所分布認識検出フレームワークであるマクロフェイク(MDMF)のマイクロ欠陥をマクロレベルの分布不規則性に増幅する。 提案手法は, 局所的な法医学的信号が生成画像に存在する場合, パッチワイド・モデリングにより, 明らかな相違が生じることを示す。
  論文  参考訳（メタデータ） (2026-05-10T03:44:09Z)
• Visual Anomaly Detection for Reliable Robotic Implantation of Flexible Microelectrode Array [12.807553276996847]
  本稿では,ロボットFME植込みシステムの顕微鏡カメラを用いた画像に基づく異常検出フレームワークを開発した。 統合されたフレームワークを4つのチェックポイントで利用し、マイクロニードル、FMEプローブ、フック結果、インプラント点をチェックする。 タスク仕様を考慮し、感度-耐性トレードオフ問題に対処するプログレッシブパッチ特徴サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T07:16:53Z)
• CAF-YOLO: A Robust Framework for Multi-Scale Lesion Detection in Biomedical Imagery [0.0682074616451595]
  CAF-YOLOは、畳み込みニューラルネットワーク(CNN)とトランスフォーマーの強みを活用する、医学的対象検出のための、巧妙で堅牢な方法である。 ACFMモジュールはグローバル機能とローカル機能の両方のモデリングを強化し、長期的な機能依存のキャプチャを可能にする。 MSNNは多様なスケールにまたがる特徴を抽出することで、マルチスケールの情報集約を改善する。
  論文  参考訳（メタデータ） (2024-08-04T01:44:44Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Building Flyweight FLIM-based CNNs with Adaptive Decoding for Object Detection [40.97322222472642]
  本研究では、ユーザ描画マーカーからオブジェクトを検出するために、畳み込みニューラルネットワーク(CNN)層を構築する方法を提案する。 糞便サンプルの顕微鏡画像におけるSchistosomiasis mansoni卵の検出と,衛星画像における船舶の検出に対処する。 我々のCNNは、SOTAオブジェクト検出器より数千倍も小さく、CPU実行に適している。
  論文  参考訳（メタデータ） (2023-06-26T16:48:20Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• A fast accurate fine-grain object detection model based on YOLOv4 deep neural network [0.0]
  商業農場や果樹園における植物病の早期発見と予防は、精密農業技術の重要な特徴である。 本稿では,植物病の検出におけるいくつかの障害に対処する高性能なリアルタイム微粒物検出フレームワークを提案する。 提案するモデルは、You Only Look Once (YOLOv4)アルゴリズムの改良版に基づいて構築されている。
  論文  参考訳（メタデータ） (2021-10-30T17:56:13Z)
• AdaZoom: Adaptive Zoom Network for Multi-Scale Object Detection in Large Scenes [57.969186815591186]
  大規模なシーンの検出は、小さなオブジェクトと極端なスケールの変動のために難しい問題である。 本稿では,物体検出のための焦点領域を適応的に拡大するために,フレキシブルな形状と焦点長を有する選択的拡大器として,新しい適応型Zoom(AdaZoom)ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-19T03:30:22Z)
• Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
  高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。 提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
  論文  参考訳（メタデータ） (2020-10-01T18:56:46Z)

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。