抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
細胞検出と計数は多くの生物学的および臨床的研究のための非常時用および基本的タスクである。伝統的に,これらの作業は通常,目視検査,は時間がかかり,主観的バイアスを導入する傾向により行った。これらは大規模および目的研究に必須である自動細胞計数と検出する。残念なことに,細胞ぼけ,クラッタ,滲み出しと画像雑音のような硬質例はこれらのタスクは非常に困難なものにした。過去数年にわたり,自動細胞検出と計数はしばしばフィルタ現状深層学習法に基づいた以前の方法から進化してきた。本論文では,完全に畳込みネットワーク(FCN)に基づくロバストな計数と検出タスクのための新しい効率的な方法を提案した。著者らの方法は,異なる種類の細胞データセットからの検出と計数問題の大部分を扱うことができ,最も上級顕微鏡画像をカバーできる,明視野,病理染色材料と電子である。公的及び私的データセット上での包括的実験を行い,提案手法の有効性と信頼性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】