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。
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】