Fugu-MT 論文翻訳(概要): Dataset of Segmented Nuclei in Hematoxylin and Eosin Stained Histopathology Images of 10 Cancer Types

論文の概要: Dataset of Segmented Nuclei in Hematoxylin and Eosin Stained Histopathology Images of 10 Cancer Types

arxiv url: http://arxiv.org/abs/2002.07913v2
Date: Mon, 30 Nov 2020 20:07:00 GMT
ステータス: 処理完了
システム内更新日: 2022-12-30 20:36:55.800855
Title: Dataset of Segmented Nuclei in Hematoxylin and Eosin Stained Histopathology Images of 10 Cancer Types
Title（参考訳）: ヘマトキシリンおよびエオシンによる10種類の癌組織像の分離核のデータセット
Authors: Le Hou, Rajarsi Gupta, John S. Van Arnam, Yuwei Zhang, Kaustubh Sivalenka, Dimitris Samaras, Tahsin M. Kurc, Joel H. Saltz
Abstract要約: 核は癌の診断と研究に必須のマーカーである。核形態学の重要性にもかかわらず、大規模な、正確で、一般にアクセス可能な核セグメンテーションデータが欠如している。 The Cancer Genome Atlasの10種類の癌から5,060個の全スライド組織像を作成した。
参考スコア（独自算出の注目度）: 27.756995783867445
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The distribution and appearance of nuclei are essential markers for the diagnosis and study of cancer. Despite the importance of nuclear morphology, there is a lack of large scale, accurate, publicly accessible nucleus segmentation data. To address this, we developed an analysis pipeline that segments nuclei in whole slide tissue images from multiple cancer types with a quality control process. We have generated nucleus segmentation results in 5,060 Whole Slide Tissue images from 10 cancer types in The Cancer Genome Atlas. One key component of our work is that we carried out a multi-level quality control process (WSI-level and image patch-level), to evaluate the quality of our segmentation results. The image patch-level quality control used manual segmentation ground truth data from 1,356 sampled image patches. The datasets we publish in this work consist of roughly 5 billion quality controlled nuclei from more than 5,060 TCGA WSIs from 10 different TCGA cancer types and 1,356 manually segmented TCGA image patches from the same 10 cancer types plus additional 4 cancer types. Data is available at https://doi.org/10.7937/tcia.2019.4a4dkp9u
Abstract（参考訳）: 核の分布と出現は、がんの診断と研究に必須のマーカーである。核形態学の重要性にもかかわらず、大規模で正確で一般にアクセス可能な核セグメンテーションデータが欠如している。これに対処するために,複数のがんタイプからスライド組織画像全体の核を品質管理プロセスで分割する解析パイプラインを開発した。 The Cancer Genome Atlasの10種類の癌から5,060個の全スライド組織像を作成した。我々の研究の重要な要素は、セグメント化結果の品質を評価するために、マルチレベル品質管理プロセス(WSIレベルとイメージパッチレベル)を実行したことです。画像パッチレベルの品質管理では、1,356のサンプル画像パッチから手動のセグメンテーショングラウンド真理データを使用した。この研究で公表したデータセットは、10種類のTCGAがんタイプから5,060以上のTCGA WSIから約50億個の品質制御された核と、同じ10種類の癌タイプから1,356個の手動分割されたTGAイメージパッチと、さらに4種類のがんタイプから成り立っている。データはhttps://doi.org/10.7937/tcia.2019.4a4dkp9uで入手できる。

関連論文リスト

Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文参考訳（メタデータ） (2024-08-19T15:04:42Z)
Expanding the Medical Decathlon dataset: segmentation of colon and colorectal cancer from computed tomography images [0.0]
大腸癌は西半球で3番目に多いがんである。 CTによる大腸癌と大腸癌の分節化は,医学における緊急の課題である。本稿では,分類アルゴリズムの品質向上のために,大腸癌マークアップを用いたメディカルデスロンデータセットの拡張を提案する。
論文参考訳（メタデータ） (2024-07-31T10:36:41Z)
TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
Cross-modulated Few-shot Image Generation for Colorectal Tissue Classification [58.147396879490124]
XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
論文参考訳（メタデータ） (2023-04-04T17:50:30Z)
MaNi: Maximizing Mutual Information for Nuclei Cross-Domain Unsupervised Segmentation [9.227037203895533]
本稿では,相互情報(MI)に基づく非教師なし領域適応(UDA)手法を提案する。核は、様々な種類のがんの構造と外観に大きく異なり、あるがんタイプで訓練し、別のがんタイプでテストすると、ディープラーニングモデルの性能が低下する。
論文参考訳（メタデータ） (2022-06-29T07:24:02Z)
WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
論文参考訳（メタデータ） (2022-04-13T15:27:05Z)
DenseNet approach to segmentation and classification of dermatoscopic skin lesions images [0.0]
本稿では,2つのアーキテクチャを用いた皮膚病変の分類と分類の改善手法を提案する。 U-NetとDenseNet121の組み合わせは、皮膚内視鏡画像解析において許容できる結果を提供する。 DenseNet121ネットワークでは、それぞれ79.49%と93.11%の精度で癌と非癌サンプルが検出された。
論文参考訳（メタデータ） (2021-10-09T19:12:23Z)
Whole Slide Images are 2D Point Clouds: Context-Aware Survival Prediction using Patch-based Graph Convolutional Networks [6.427108174481534]
Patch-GCNは、コンテキスト対応で空間分解されたパッチベースのグラフ畳み込みネットワークで、階層的にインスタンスレベルのヒストロジーの特徴を集約する。我々は、Patch-GCNが以前の弱教師付きアプローチを3.58-9.46%上回っていることを示した。
論文参考訳（メタデータ） (2021-07-27T19:17:37Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)
Towards a Complete Pipeline for Segmenting Nuclei in Feulgen-Stained Images [52.946144307741974]
頸部がんは世界で2番目に多いがんである。本稿では,畳み込みニューラルネットワークを用いたフェールゲン安定画像中の核分割のための完全なパイプラインを提案する。 We achieved a overall IoU 0.78, showed the availableability of the approach of nuclear segmentation on Feulgen-stained images。
論文参考訳（メタデータ） (2020-02-19T18:14:57Z)
A Generalized Deep Learning Framework for Whole-Slide Image Segmentation and Analysis [0.20065923589074736]
病理組織分析は癌診断と予後における金の基準と考えられている。深層学習に基づく技術は、さまざまな画像解析タスクにおいて、最先端の成果を提供している。本稿では,病理組織像解析のためのディープラーニングベースのフレームワークを提案する。
論文参考訳（メタデータ） (2020-01-01T18:05:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。