ترجمه فارسی مقاله CISCA و CytoDArk0: یک روش تقسیمبندی و طبقهبندی نمونه سلولی برای تجزیه و تحلیلهای تصویری (بیماری) منطقی و یک مجموعه داده جدید، باز و رنگآمیزی با Nissl برای مطالعات معماری سیتوماتیک مغز
عنوان مقاله به انگلیسی
CISCA and CytoDArk0: a Cell Instance Segmentation and Classification method for histo(patho)logical image Analyses and a new, open, Nissl-stained dataset for brain cytoarchitecture studies
عنوان مقاله به فارسی
CISCA و CytoDArk0: یک روش تقسیمبندی و طبقهبندی نمونه سلولی برای تجزیه و تحلیلهای تصویری (بیماری) منطقی و یک مجموعه داده جدید، باز و رنگآمیزی با Nissl برای مطالعات معماری سیتوماتیک مغز
Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,Quantitative Methods,پردازش تصویر و فیلم , دید رایانه و تشخیص الگوی , یادگیری ماشین , روشهای کمی
توضیحات
Submitted 6 September, 2024; originally announced September 2024.
توضیحات به فارسی
ارسال شده در 6 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Delineating and classifying individual cells in microscopy tissue images is a complex task, yet it is a pivotal endeavor in various medical and biological investigations. We propose a new deep learning framework (CISCA) for automatic cell instance segmentation and classification in histological slices to support detailed morphological and structural analysis or straightforward cell counting in digital pathology workflows and brain cytoarchitecture studies. At the core of CISCA lies a network architecture featuring a lightweight U-Net with three heads in the decoder. The first head classifies pixels into boundaries between neighboring cells, cell bodies, and background, while the second head regresses four distance maps along four directions. The network outputs from the first and second heads are integrated through a tailored post-processing step, which ultimately yields the segmentation of individual cells. A third head enables simultaneous classification of cells into relevant classes, if required. We showcase the effectiveness of our method using four datasets, including CoNIC, PanNuke, and MoNuSeg, which are publicly available H\&E datasets. Additionally, we introduce CytoDArk0, a novel dataset consisting of Nissl-stained images of the cortex, cerebellum, and hippocampus from mammals belonging to the orders Cetartiodactyla and Primates. We evaluate CISCA in comparison to other state-of-the-art methods, demonstrating CISCA's robustness and accuracy in segmenting and classifying cells across diverse tissue types, magnifications, and staining techniques.
چکیده به فارسی (ترجمه ماشینی)
ترسیم و طبقه بندی سلولهای فردی در تصاویر بافت میکروسکوپی یک کار پیچیده است ، اما این یک تلاش مهم در تحقیقات مختلف پزشکی و بیولوژیکی است.ما یک چارچوب یادگیری عمیق جدید (CISCA) برای تقسیم بندی خودکار نمونه سلول و طبقه بندی در برش های بافت شناسی برای پشتیبانی از تجزیه و تحلیل مورفولوژیکی و ساختاری دقیق یا شمارش سلولهای ساده در گردش کار آسیب شناسی دیجیتال و مطالعات Cytoarchitecture مغز پیشنهاد می کنیم.در هسته Cisca یک معماری شبکه ای قرار دارد که دارای یک شبکه U سبک با سه سر در رمزگشایی است.سر اول پیکسل ها را به مرزهای بین سلولهای همسایه ، بدن سلول و پس زمینه طبقه بندی می کند ، در حالی که سر دوم چهار نقشه از راه دور را در چهار جهت قرار می دهد.خروجی های شبکه از سرهای اول و دوم از طریق یک مرحله پس از پردازش متناسب با هم ادغام می شوند ، که در نهایت تقسیم سلولهای فردی را به دست می آورد.یک سر سوم در صورت لزوم طبقه بندی همزمان سلول ها را به کلاسهای مربوطه امکان پذیر می کند.ما اثربخشی روش خود را با استفاده از چهار مجموعه داده از جمله Conic ، Pannuke و Monuseg که مجموعه داده های H \ & E در دسترس عموم هستند ، به نمایش می گذاریم.علاوه بر این ، ما Cytodark0 را معرفی می کنیم ، یک مجموعه داده جدید متشکل از تصاویر رنگ آمیزی شده با نیول از قشر ، مخچه و هیپوکامپ از پستانداران متعلق به سفارشات Cetartiodactyla و Primates.ما CISCA را در مقایسه با سایر روشهای پیشرفته ارزیابی می کنیم ، استحکام و دقت CISCA را در تقسیم بندی و طبقه بندی سلولها در انواع بافت های مختلف ، با شکوه و تکنیک های رنگ آمیزی نشان می دهیم.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
