文献

J-GLOBAL ID：201702248764934362   整理番号：17A1622331

訓練データを用いない仮想腎全スライド画像のセグメンテーション【Powered by NICT】

Segmenting renal whole slide images virtually without training data

著者 (6件)： Gadermayr Michael (Institute of Imaging & Computer Vision, RWTH Aachen University, Aachen, Germany) ,  Eschweiler Dennis (Institute of Imaging & Computer Vision, RWTH Aachen University, Aachen, Germany) ,  Jeevanesan Abiramjee (Institute of Imaging & Computer Vision, RWTH Aachen University, Aachen, Germany) ,  Klinkhammer Barbara Mara (Institute of Pathology, University Hospital Aachen, RWTH Aachen University, Aachen, Germany) ,  Boor Peter (Institute of Pathology, University Hospital Aachen, RWTH Aachen University, Aachen, Germany) ,  Merhof Dorit (Institute of Imaging & Computer Vision, RWTH Aachen University, Aachen, Germany)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 90  ページ： 88-97  発行年： 2017年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ディジタル病理は,興味が増している分野であり,大量のディジタルデータの処理のための自動化システムを必要とする。の教師付き学習に基づく自動化システムの開発は,画像特性をスライドスライドから変化させることができるという事実により悪化している。本研究では,焦点は,腎組織病理学における最も重要な関心領域を構成する糸球体のセグメンテーションである。弱教師つきパッチベース検出と正確なセグメンテーションの2段階パイプラインを調べ,提案した。提案した方法は,以前に得られた訓練データを必要としない。このモデルを適応と最適化のために,カーネル二標本検定を適用した。セグメンテーション段階では,レベルセット法と多角形フィッティングアプローチを含む教師なしセグメンテーション法は適応したと評価した。全体として,最良の多角形適合セグメンテーション法を施行した,糸球体の51%が十分な精度(DSC>0.8)で分離した。検出の42%は偽の決定であった。小必要な訓練コーパスを用いた組合せにおける困難なアプリケーションシナリオのために,得られた性能は良好と評価した。さらにセグメンテーション性能を増加させるための戦略を詳細に検討した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 教師つき学習 ,  画像特性 ,  ディジタル方式 ,  *画像 ,  *セグメンテーション ,  コーパス ,  *スライド ,  糸球体 ,  病理 ,  最適化
準シソーラス用語： レベルセット法 ,  関心領域 ,  病理組織学 ,  自動化システム ,  *訓練データ , 【Automatic Indexing@JST】

著者キーワード (5件)： レベルセット ,  多角形あてはめ ,  弱教師つき ,  糸球体 ,  腎

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 訓練データ ,  仮想 ,  腎 ,  スライド ,  セグメンテーション