文献

J-GLOBAL ID：202002229847775123   整理番号：20A2699965

細胞核画像セグメンテーションのためのマスクR-CNNに用いるU字型特徴抽出器【JST・京大機械翻訳】

U-shaped Feature Extractor Used on Mask R-CNN for Cell Nuclei Image Segmentation

著者 (5件)： Zhu Qing (Fujian Key Laboratory of Sensing and Computing for Smart Cities, School of Informatics, Xiamen University, Xiamen, FJ 361005, China) ,  Huang Xiaoyang (Fujian Key Laboratory of Sensing and Computing for Smart Cities, School of Informatics, Xiamen University, Xiamen, FJ 361005, China) ,  Wang Liansheng (Fujian Key Laboratory of Sensing and Computing for Smart Cities, School of Informatics, Xiamen University, Xiamen, FJ 361005, China) ,  Li Jonathan (Fujian Key Laboratory of Sensing and Computing for Smart Cities, School of Informatics, Xiamen University, Xiamen, FJ 361005, China) ,  Li Jonathan (Department of Geography and Environmental Management and Department of Systems Design Engineering, University of Waterloo, Waterloo, Ontario N2L 3G1, Canada)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1646  号： 1  ページ： 012069 (6pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 細胞核セグメンテーションは顕微鏡画像分析における困難な作業である。データセットにおけるノイズ,小細胞核,およびわずかな訓練データサンプルの問題は,種々の程度にモデルの有効性に影響を及ぼす。本論文では,畳み込みニューラルネットワークに基づく核画像セグメンテーションに対する新しいアプローチを示した。本手法は,モデル訓練のための低レベル意味特徴を組み合わせたいくつかの修正を伴うMask R-CNNに基づいている。各低レベル特徴マップに特定のモデルを作るために,注意機構を用いて,各低レベル特徴マップに重みを割り当て,モデル学習をより目的とした。提案手法は平均精度62.8%を達成し,Mask R-CNN(ResNet50)基本モデルよりも2.7%高く,Mask R-CNN(ResNet101)基本モデルの6.3%であった。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *セグメンテーション ,  *特徴抽出 ,  *細胞核 ,  有効性
準シソーラス用語： 訓練データ ,  *画像セグメンテーション ,  顕微鏡画像 ,  特徴マップ ,  モデル学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 細胞核 ,  画像セグメンテーション ,  マスク ,  CNN ,  U字型 ,  特徴抽出