CaCL:拡散画像パターン上の弱教師付きセグメンテーションのためのクラスを意識したコードブック学習【JST・京大機械翻訳】

Deng Ruining; Liu Quan; Bao Shunxing; Jha Aadarsh; Chang Catie; Millis Bryan A.; Tyska Matthew J.; Huo Yuankai

プレプリント

J-GLOBAL ID：202202208831024920 整理番号：22P0206068

CaCL:拡散画像パターン上の弱教師付きセグメンテーションのためのクラスを意識したコードブック学習【JST・京大機械翻訳】

CaCL: Class-aware Codebook Learning for Weakly Supervised Segmentation on Diffuse Image Patterns

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 (8件)： , , , , , , ,
資料名：
発行年： 2020年11月02日プレプリントサーバーでの情報更新日： 2022年04月13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)

弱い教師つき学習は,生物医学画像が多くのシナリオで画像ワイズラベルを自然に含むので,画像ワイズアノテーション(分類)からピクセルワイズラベル(セグメンテーション)を達成するために,生物医学画像分析で急速に進歩した。コンピュータビジョンコミュニティからの現在の弱教師つき学習アルゴリズムは,焦点オブジェクト(例えば,イヌとネコ)のために大いに設計されている。しかし,そのようなアルゴリズムは,生物医学イメージング(例えば顕微鏡イメージングにおける染色と蛍光)における拡散パターンのために最適化されていない。本論文では,拡散画像パターンに対して弱い教師つき学習を行うための,新しいクラス意識符号表学習(CaCL)アルゴリズムを提案した。特に,CaCLアルゴリズムは,ヒト十二指腸の組織学的画像から蛋白質を発現するブラシ境界領域を分割するために展開される。著者らの貢献は3倍である。(1)著者らは,新しい符号表学習展望から弱い教師つきセグメンテーションをアプローチする。(2)CaCLアルゴリズムは,焦点オブジェクトよりむしろ拡散画像パターンを分割する。(3)提案したアルゴリズムを,共同画像再構成,分類,特徴埋込み,およびセグメンテーションを通して,ベクトル量子化-Variational AutoEncoder(VQ-VAE)に基づくマルチタスクフレームワークに実装した。実験結果は,著者らの方法がベースライン弱教師つきアルゴリズムと比較して優れた性能を達成することを示した。コードはhttps://github.com/ddrrnn123/CaCLで利用可能である。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

, , , , , , ,

前のページに戻る