Paper Review

0. Motivation Pathology Image Anlaysis에 적용한 딥러닝과 관련한 전처리, 후처리 방법들을 개괄적으로 정리한 논문으로 이를 공부하기 위해 리뷰함 The impact of pre- and post-image processing techni

1. Overview medical imaging에 딥러닝을 적용할때, ImageNet과 같은 큰 사이즈의 오픈 데이터셋으로부터 transfer learning을 시도하는 것은 de-facto approach가 되었다. source domain의 feature들이 재

1. Introduction 기존 연구는 semantic shift만 고려했는데, covariate shift를 평가에서 제외하거나 OOD의 신호로써만 다뤘다. 이는 training distribution을 뛰어넘어 generalize하고자 하는 ML에서의 prima

현재의 대부분 deep learning은 single magnification에서의 좁은 영역에서의 individual patch를 보기 때문에 성능이 잘 나오지 못할 수 있다.이 연구에서는 pathologist가 현미경으로 병리 슬라이드를 분석하는 방식과 닮은 Dee

기존의 parametric segmentation (softmax, query) 는 한계가 있어 non-parametric segmentation을 제안할게! 현재 semantic segmentation에 널리 쓰이는 모델 design의 parametric segm

reject option이라고 불리는 selective prediction의 문제를 deep neural network에서 고려하고 integrated reject option을 가진 deep neural architecture인 SelectiveNet를 제안한다.기존

biomedical image segmentation에서 annotation은 일부 전문가만 할 수 있고, instance가 굉장히 많은 경우도 있는데, annotation에 대한 제한된 effort로 어떤 instance들이 최고 성능을 얻기 위해 annotation

BackgroundSemantic segmentation, pixel-level annotation -> prohibitively expensive최근 self-training이 target domain에 대한 confident prediction으로부터 생성된 pse

2019년 다양한 H&E 염색 이미지 데이터셋에서 SOTA를 달성한 nuclei segmentation 알고리즘Main Contribution인접한 nuclei를 구분하기 위해 cell의 center point에서 horizontal 방향(+x)의 distance 맵과

Introduction Annotation Cost 딥러닝 알고리즘 성능 개선을 위해 필요한 annotation 양을 medical specialist가 해내지 못한다 (lack of availability) Using Weak Label, MIL 2019년

Introduction Materials And Methods Materials Data Collection total 1288 FFPE Lung Cancer Samples 1,204 samples (stained using 22C3 assays) 84 sa

1. Introduction Digital Pathology 이미지는 diagnosis, prognosis, metastasis 등과 임상 예측에 널리 쓰이고 있다. 특히, 이런 임상 application에서 Nuclei segmentation은 WSI에서 nucl

CNN (ResNet (2016), DenseNet (2017), Efficient Net (2019))이 computer vision에 널리 사용되었고, mobile phone과 같은 edge device을 고려하는 것에 대해서는 MobileNets (2018, 20

TopFormer: Token Pyramid Vision Transformer 여러 scale의 token을 입력으로 pyramid 형태의 vision transformer 1. Introduction Vision Tranformer (ViT)가 엄청난 성능을 보

Noveltypositional-encoding-free and hierarchical Transformer encoder (multi-scale feature를 추출한다)A lightweight All-MLP decoder design (decoder가 복잡할 필요가

Microsoft Research, Microsoft Cloud + AI 공동 연구팀에서 NIPS 2021에 발표한 논문으로 fine-graiend local attention과 coarse-grained global attention을 한 번에 수행하는 attenti

디지털 병리에서 병리학자들이 IHC 염색 슬라이드로 다양한 바이오마커들 (Ki-67, HER2, CD3/CD8)을 분석하는데, 환자 biospy에서의 바이오마커의 식별은 치료 요법을 설계할 수 있도록 해준다. 그런데, 그들의 이미지 종류의 다양성과 특이성으로 인해 주석

Facebook AI Research (FAIR), UC Berkeley의 공동 연구로 ConvNet을 최신 Transformer에 적용된 기술들을 macro/micro-level의 디자인에서 최신화하는 작업을 거쳐 ConvNeXt block을 고안하여 SwinTran

Nanjing University, Southeast University, SenseTime Research에서 2022년 arXiv에 올린 연구로 2023년 4월 10일자까지도 Semi-Supervised Semantic Segmentation의 많은 벤치마크에서

Tancent PCG, Fudan University

주변 패치와의 관계를 계산한 접근방법을 찾다가 DeepAI에서 보게 되었음. https://deepai.org/publication/attention-toward-neighbors-a-context-aware-framework-for-high-resolutio

Research by Oregon State Univ., Apple Inc. Abstract 기존 CNN의 grid downsampling strategy는 모든 영역을 동일하게 취급하기 때문에, 적은 영역에 있는 작은 object들은 segmentation 성능

연구그룹: 중국 북서대, 중국 청두 전기공학, 상하이 후단대, 상하이 Second 의대 요약: IHC 염색 이미지에서 세포핵에 대한 point supervision로 세포막 (membranes)를 분할하는 방법을 제안하는 연구로 세포막과 세포핵에 대한 분할 결과를 생

Different from previous methods, SegNeXt, besides capturing multi-scale features in encoder, introduces an efficient attention mechanism and employs c

Empricial Risk Minimization (ERM)은 훈련데이터에 쉽게 과적합되는 문제를 지니는데, 훈련데이터의 40%에 서로 다른 네 가지 종류의 noise를 첨가시켰음에도 불구하고 Figure 1a.에 보듯이 ERM으로 훈련시킨 모델은 noisy 훈련셋 (