文献

J-GLOBAL ID：202002273774156972   整理番号：20A2273393

敵対損失のあるスタイル転送ネットワークを用いた組織病理学的染色転移【JST・京大機械翻訳】

Histopathological Stain Transfer Using Style Transfer Network with Adversarial Loss

著者 (4件)： Nishar Harshal (Aira Matrix, Mumbai, India) ,  Chavanke Nikhil (Aira Matrix, Mumbai, India) ,  Chavanke Nikhil (Indian Institute of Technology, Bombay, India) ,  Singhal Nitin (Aira Matrix, Mumbai, India)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12265  ページ： 330-340  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 単一研究室および/またはスキャナから得られた組織病理学的画像上で訓練された深層学習モデルは,異なる染色プロトコルを有する別のスキャナ/ラボから得られた画像に対して,貧弱な推論性能を与える。近年,この問題に取り組むために,画像染色正規化のために,良好な量の研究が行われている。本研究では,敵対損失と結合した高速ニューラルスタイル転送を用いた歪み正規化問題のための新しいアプローチを提案した。また,より少ない訓練時間を必要とする高Resolutionネットワーク(HRNet)に基づく新しい染色転送発電機ネットワークを提案し,参照染色と試験染色のペア訓練画像の少ない良好な一般化を与えた。このアプローチを,8つの異なる研究室から得た全スライド画像(WSIs)で試験し,1つの研究室からの画像を参照染色として扱った。深層学習モデルをこの染色で訓練し,残りの画像を対応する染色転送発生器ネットワークを用いてそれに移した。実験は,このアプローチが良好な視覚品質で染色正規化を成功裏に実行でき,染色正規化を適用せずにより良い推論性能を提供することを示唆する。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  スライド ,  *染色 ,  走査装置 ,  正規化
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 染色の標準化 ,  組織病理学的画像解析 ,  神経スタイル移動 ,  創造的敵対ネットワーク(GAN)

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 敵対 ,  損失 ,  スタイル ,  転送 ,  組織病理学 ,  染色