인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
병리학 영상 분석에서 핵의 분할은 진단 및 디지털 병리학 연구에 매우 중요한 역할을 한다. 분할 작업의 자동화는 병리학자의 부담을 줄이면서 진단의 정확성을 향상시킵니다. 대부분의 U-Net 기반 접근법은 널리 사용되지만 시야 제한과 모델 과적합 등의 문제가 있습니다. 본 연구에서는 헤마톡실린 및 에오신(H&E) 염색 병리 이미지에서 세포핵의 정확한 분할을 위해 딥 이미지 분할 네트워크(DI-SegNet)를 제안한다. 제안된 네트워크는 확장된 수용체 필드를 통해 개선된 경량 컨볼루션 블록(Lightweight Convolution Block) 기반의 개선된 컨볼루션 모듈과 글로벌 컨텍스트 표현을 위한 보틀넥 잔차 변환기(Botteneck Residual Transformer, BRT) 블록을 포함합니다. 또한, 정확한 분할을 위해 스템 모듈과 적응형 가중 손실 함수(Adaptive Weighted Loss Function, 적응형 가중 손실 함수)를 도입합니다. 실험 결과, DI-SegNet은 다른 최첨단 모델들을 능가하며 강력한 일반화 능력을 보여줍니다. MoNuSAC 및 MoNuSeg 데이터셋에 대한 평가에서 제안된 DI-SegNet은 주사위 유사성 인자(DSC) 및 통합 자카드 지수(AJI) 측면에서 기존 방법들을 능가합니다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093230462
