Open fulfulggg opened 1 week ago
生成モデル、例えばGANや拡散モデルは、訓練データセットを拡張し、様々なタスクの性能を向上させるために使用されてきました。本研究では、細胞検出、すなわち与えられた病理画像内の細胞の位置特定と分類のための生成モデルに焦点を当てます。これまで見過ごされてきた重要な情報の1つは、細胞の空間パターンです。本稿では、細胞レイアウト生成のための空間パターンに基づく生成モデルを提案します。具体的には、空間特徴によって誘導され、現実的な細胞レイアウトを生成する新しい拡散モデルを提案します。拡散モデルの空間特徴として、様々な密度モデルを検討します。後続のタスクでは、生成された細胞レイアウトが高品質な病理画像の生成を導くために使用できることを示します。これらの画像による拡張は、最先端の細胞検出方法の性能を大幅に向上させることができます。コードはhttps://github.com/superlc1995/Diffusion-cellで入手可能です。
一言でまとめると: 細胞の空間配置パターンを学習する新しい拡散モデルを提案し、細胞検出の精度向上に貢献する。
@yukihiko-fuyuki が以下のラベルを提案し、適用しました:
タイトル: セルレイアウト生成のための空間拡散
リンク: https://arxiv.org/abs/2409.03106
概要:
生成モデル、例えばGANや拡散モデルは、訓練データセットを拡張し、様々なタスクの性能を向上させるために使用されてきました。本研究では、細胞検出、すなわち与えられた病理画像内の細胞の位置特定と分類のための生成モデルに焦点を当てます。これまで見過ごされてきた重要な情報の1つは、細胞の空間パターンです。本稿では、細胞レイアウト生成のための空間パターンに基づく生成モデルを提案します。具体的には、空間特徴によって誘導され、現実的な細胞レイアウトを生成する新しい拡散モデルを提案します。拡散モデルの空間特徴として、様々な密度モデルを検討します。後続のタスクでは、生成された細胞レイアウトが高品質な病理画像の生成を導くために使用できることを示します。これらの画像による拡張は、最先端の細胞検出方法の性能を大幅に向上させることができます。コードはhttps://github.com/superlc1995/Diffusion-cellで入手可能です。