文献

J-GLOBAL ID：202202218925243085   整理番号：22A0862360

MIDOGチャレンジのための融合検出器と深層アンサンブル分類モデルを用いたドメインシフトに対する有糸分裂の検出【JST・京大機械翻訳】

Detecting Mitosis Against Domain Shift Using a Fused Detector and Deep Ensemble Classification Model for MIDOG Challenge

著者 (8件)： Liang Jingtang (School of Life Science and Technology, Xidian University, Xi’an, Shaanxi, China) ,  Wang Cheng (School of Life Science and Technology, Xidian University, Xi’an, Shaanxi, China) ,  Cheng Yujie (College of Electrical Engineering, Ocean University of China, Qingdao, Shandong, China) ,  Wang Zheng (College of Electrical Engineering, Ocean University of China, Qingdao, Shandong, China) ,  Wang Fang (College of Electrical Engineering, Ocean University of China, Qingdao, Shandong, China) ,  Huang Liyu (School of Life Science and Technology, Xidian University, Xi’an, Shaanxi, China) ,  Yu Zhibin (College of Electrical Engineering, Ocean University of China, Qingdao, Shandong, China) ,  Wang Yubo (School of Life Science and Technology, Xidian University, Xi’an, Shaanxi, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13166  ページ： 68-72  発行年： 2022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： 深部学習に基づく有糸分裂図検出法を利用して,ヘマトキシリン&エオシン(H&E)染色画像を用いて有糸分裂における細胞を自動的に位置決めした。しかし,モデル性能はH&E画像における色音と強度の大きな変動により劣化する。本研究では,検出器と深いアンサンブル分類モデルを融合することにより,2段階有糸分裂図形検出フレームワークを提案した。H&E画像における色変動の影響を軽減するために,色の無関係な特徴を学習するために,染色正規化とデータ増強の両方を利用した。提案したモデルは,予備試験セットで0.7550のF1スコアと最終試験セットで0.7069を得た。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  学習 ,  データ ,  *分類 ,  音響 ,  特性 ,  細胞 ,  *有糸分裂 ,  染色 ,  画像 ,  検出法 ,  検出器 ,  深層 ,  正規化
準シソーラス用語： *アンサンブル分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： 有糸分裂症 ,  ドメインシフト ,  データ増強 ,  深いアンサンブルモデル

分類 (2件)： 医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (7件)： 融合 ,  検出器 ,  深層 ,  アンサンブル ,  分類モデル ,  ドメインシフト ,  有糸分裂