Scribble2標識:一貫性を持つ自己生成擬似ラベルによるスクリブル教師つき細胞セグメンテーション【JST・京大機械翻訳】

Lee Hyeonsoo; Jeong Won-Ki

プレプリント

J-GLOBAL ID：202202204771814440 整理番号：22P0162723

Scribble2標識:一貫性を持つ自己生成擬似ラベルによるスクリブル教師つき細胞セグメンテーション【JST・京大機械翻訳】

Scribble2Label: Scribble-Supervised Cell Segmentation via Self-Generating Pseudo-Labels with Consistency

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年06月23日プレプリントサーバーでの情報更新日： 2020年06月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

セグメンテーションは顕微鏡セル画像解析における基本的プロセスである。深層学習の最近の進歩の出現により,より正確で高スループットの細胞分割が実現可能になった。しかし,ほとんどの既存の深層学習ベースセルセグメンテーションアルゴリズムは,時間消費および労働集約的である,完全に注釈されたグランドトルースセルラベルを必要とする。本論文では,完全なセグメンテーションラベルなしで,スクリブルアノテーションの手持ちだけを利用する新しい弱教師つきセルセグメンテーションフレームワークであるScribble2Labelを導入した。コアアイデアは,弱い監視から信頼できるラベルを生成するために,擬似ラベリングとラベルフィルタリングを結合することである。このために,擬似ラベルを改善するために,予測の反復平均化によって予測の一貫性を利用した。明視野,蛍光および電子顕微鏡を含む,種々の細胞画像様式を有するいくつかの最先端の細胞分割法と比較して,Scribble2Labelの性能を実証した。また,提案手法は,異なるレベルのスクリブル詳細にわたってロバストに機能し,実使用事例では,ほんの少しのスクリーブルアノテーションしか必要でないことを確認した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , , , ,

前のページに戻る