文献

J-GLOBAL ID：202202219807654130   整理番号：22A0980433

癌細胞の蛍光免疫組織学的画像における核セグメンテーションの深層学習前処理アルゴリズムの比較【JST・京大機械翻訳】

Comparison of Deep Learning Preprocessing Algorithms of Nuclei Segmentation on Fluorescence Immunohistology Images of Cancer Cells

著者 (2件)： Xu Silun (Belarusian State University, Minsk, Belarus) ,  Skakun Victor (Belarusian State University, Minsk, Belarus)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1562  ページ： 166-177  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  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： 免疫組織化学蛍光画像解析は,癌診断のための重要な方法である。コンピュータビジョンにおける畳み込みニューラルネットワークの広範な応用により,癌細胞の画像のセグメンテーションは医用画像分析における重要な話題となっている。異なる種類の組織学画像のセグメンテーションのための深層学習モデルの応用の成功を記述する多くの出版物があるが,その適用の普遍的モデルとアルゴリズムはまだ開発されていない。癌細胞の組織学的画像は非常に異なるので,通常,研究したものとの望ましい類似性の画像からなる大きなサイズの訓練セットを得ることは難しい。より小さな部分における分割入力画像とその正規化からなる画像前処理は,特に訓練セットが限られたサイズである場合,深い学習において重要な役割を果たす。本研究では,癌細胞の標識全スライド免疫画像蛍光画像の非常に限られた数を持つ一方で,十分なサイズの訓練セットを作成するためのいくつかのアプローチを比較した。さらに,異なる正規化法を比較し,組織学的画像セグメンテーションに及ぼすそれらの影響を評価した。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： *アルゴリズム ,  *蛍光 ,  *セグメンテーション ,  *腫瘍細胞 ,  スライド ,  画像処理 ,  *画像 ,  コンピュータビジョン ,  正規化 ,  *機械学習 ,  *免疫組織化学
準シソーラス用語： 画像セグメンテーション ,  癌診断 ,  蛍光画像 ,  医用画像解析 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： CNN ,  医用画像解析 ,  画像前処理 ,  画像セグメンテーション ,  癌細胞の核 ,  U-Net

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 癌細胞 ,  蛍光 ,  免疫組織学 ,  核 ,  セグメンテーション ,  深層学習 ,  前処理 ,  アルゴリズム