「q-bio.TO」カテゴリーアーカイブ

Image segmentation of treated and untreated tumor spheroids by Fully Convolutional Networks

投稿日: 2024年12月2日 作成者: jarxiv

要約 多細胞腫瘍スフェロイド (MCTS) は、併用放射線 (化学) 療法の影響 … 続きを読む →

カテゴリー: cs.CV, q-bio.QM, q-bio.TO | Image segmentation of treated and untreated tumor spheroids by Fully Convolutional Networks はコメントを受け付けていません

VascX Models: Model Ensembles for Retinal Vascular Analysis from Color Fundus Images

投稿日: 2024年11月4日 作成者: jarxiv

要約 カラー眼底画像（CFI）から網膜血管系を解析するための包括的なモデル群であ … 続きを読む →

カテゴリー: cs.CV, eess.IV, q-bio.TO | VascX Models: Model Ensembles for Retinal Vascular Analysis from Color Fundus Images はコメントを受け付けていません

Open-Source Periorbital Segmentation Dataset for Ophthalmic Applications

投稿日: 2024年10月1日 作成者: jarxiv

要約 深層学習を使用した眼窩周囲のセグメンテーションと距離予測により、病状、治療 … 続きを読む →

カテゴリー: cs.CV, q-bio.TO | Open-Source Periorbital Segmentation Dataset for Ophthalmic Applications はコメントを受け付けていません

Clinical Validation of a Real-Time Machine Learning-based System for the Detection of Acute Myeloid Leukemia by Flow Cytometry

投稿日: 2024年9月18日 作成者: jarxiv

要約 フローサイトメトリーの機械学習 (ML) モデルには、エラー率を削減し、再 … 続きを読む →

カテゴリー: cs.AI, cs.LG, q-bio.TO | Clinical Validation of a Real-Time Machine Learning-based System for the Detection of Acute Myeloid Leukemia by Flow Cytometry はコメントを受け付けていません

Celcomen: spatial causal disentanglement for single-cell and tissue perturbation modeling

投稿日: 2024年9月10日 作成者: jarxiv

要約 セルコメンは、数学的因果関係のフレームワークを利用して、生成グラフ ニュー … 続きを読む →

カテゴリー: cs.LG, q-bio.TO | Celcomen: spatial causal disentanglement for single-cell and tissue perturbation modeling はコメントを受け付けていません

Distilling High Diagnostic Value Patches for Whole Slide Image Classification Using Attention Mechanism

投稿日: 2024年8月19日 作成者: jarxiv

要約 マルチ インスタンス学習 (MIL) は、ピクセル レベルの手動注釈をラベ … 続きを読む →

カテゴリー: cs.CV, eess.IV, q-bio.TO | Distilling High Diagnostic Value Patches for Whole Slide Image Classification Using Attention Mechanism はコメントを受け付けていません

TriDeNT: Triple Deep Network Training for Privileged Knowledge Distillation in Histopathology

投稿日: 2024年8月2日 作成者: jarxiv

要約 計算病理学モデルでは、推論に利用できないデータを利用することはほとんどあり … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, q-bio.TO | TriDeNT: Triple Deep Network Training for Privileged Knowledge Distillation in Histopathology はコメントを受け付けていません

Graph Neural Networks in Histopathology: Emerging Trends and Future Directions

投稿日: 2024年6月24日 作成者: jarxiv

要約 全スライド画像 (WSI) の組織病理学的分析では、深層学習手法、特に畳み … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, I.2.10, q-bio.TO | Graph Neural Networks in Histopathology: Emerging Trends and Future Directions はコメントを受け付けていません

Graph Neural Networks in Histopathology: Emerging Trends and Future Directions

投稿日: 2024年6月21日 作成者: jarxiv

要約 全スライド画像 (WSI) の組織病理学的分析では、深層学習手法、特に畳み … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, I.2.10, q-bio.TO | Graph Neural Networks in Histopathology: Emerging Trends and Future Directions はコメントを受け付けていません

Graph Neural Networks in Histopathology: Emerging Trends and Future Directions

投稿日: 2024年6月19日 作成者: jarxiv

要約 全スライド画像 (WSI) の組織病理学的分析では、深層学習手法、特に畳み … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, I.2.10, q-bio.TO | Graph Neural Networks in Histopathology: Emerging Trends and Future Directions はコメントを受け付けていません