論文の概要: Neural Network Segmentation of Interstitial Fibrosis, Tubular Atrophy, and Glomerulosclerosis in Renal Biopsies

• arxiv url: http://arxiv.org/abs/2002.12868v1
• Date: Fri, 28 Feb 2020 17:05:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 02:48:27.942061
• Title: Neural Network Segmentation of Interstitial Fibrosis, Tubular Atrophy, and Glomerulosclerosis in Renal Biopsies
• Title（参考訳）: 腎生検における間質線維症, 管状萎縮症, 糸球体硬化症の神経回路分割
• Authors: Brandon Ginley (1), Kuang-Yu Jen (2), Avi Rosenberg (3), Felicia Yen (2), Sanjay Jain (4), Agnes Fogo (5), Pinaki Sarder (1 and 6 and 7) ((1) Department of Pathology & Anatomical Sciences, University at Buffalo, the State University of New York, Buffalo, New York, (2) Department of Pathology and Laboratory Medicine, University of California, Davis Medical Center, Sacramento, California, (3) Department of Pathology, Johns Hopkins University School of Medicine, Baltimore, Maryland, (4) Division of Nephrology, Department of Medicine, Washington University School of Medicine, St. Louis, Missouri, (5) Departments of Pathology, Microbiology, Immunology and Medicine, Vanderbilt University, Nashville, Tennessee, (6) Department of Biostatistics, University at Buffalo, the State University of New York, Buffalo, New York, (7) Department of Biomedical Engineering, University at Buffalo, the State University of New York, Buffalo, New York)
• Abstract要約: 糸球体硬化症,間質線維症,尿細管萎縮症(IFTA)は腎障害の組織学的指標である。 現代の人工知能とコンピュータビジョンアルゴリズムは、厳密な量子化によって、サーバ間の変動を低減する能力を持っている。 腎生検における糸球体硬化症とIFTAのセグメンテーションに畳み込みニューラルネットワークを適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Glomerulosclerosis, interstitial fibrosis, and tubular atrophy (IFTA) are histologic indicators of irrecoverable kidney injury. In standard clinical practice, the renal pathologist visually assesses, under the microscope, the percentage of sclerotic glomeruli and the percentage of renal cortical involvement by IFTA. Estimation of IFTA is a subjective process due to a varied spectrum and definition of morphological manifestations. Modern artificial intelligence and computer vision algorithms have the ability to reduce inter-observer variability through rigorous quantitation. In this work, we apply convolutional neural networks for the segmentation of glomerulosclerosis and IFTA in periodic acid-Schiff stained renal biopsies. The convolutional network approach achieves high performance in intra-institutional holdout data, and achieves moderate performance in inter-intuitional holdout data, which the network had never seen in training. The convolutional approach demonstrated interesting properties, such as learning to predict regions better than the provided ground truth as well as developing its own conceptualization of segmental sclerosis. Subsequent estimations of IFTA and glomerulosclerosis percentages showed high correlation with ground truth.
• Abstract（参考訳）: 糸球体硬化症,間質線維症,尿細管萎縮症(IFTA)は腎障害の組織学的指標である。 標準的な臨床では、腎病理医は顕微鏡下、硬化性糸球体の割合、およびIFTAによる腎皮質の関与率を視覚的に評価する。 IFTAの推定は、様々なスペクトルと形態的表現の定義による主観的過程である。 現代の人工知能とコンピュータビジョンアルゴリズムは、厳密な量子化によってサーバ間変動を減らすことができる。 本研究では,周期性酸性染色腎生検における糸球体硬化とIFTAのセグメンテーションに畳み込みニューラルネットワークを適用した。 畳み込みネットワークアプローチは,システム内ホールドアウトデータにおいて高いパフォーマンスを達成し,ネットワークがトレーニングで見たことのない直観的ホールドアウトデータにおいて,適度なパフォーマンスを達成している。 畳み込みアプローチは、提供された基礎的真理よりもよい領域を予測するための学習や、セグメント性硬化症の独自の概念化など、興味深い性質を示した。 IFTAおよび糸球体硬化率のその後の推定は,地上真実と高い相関を示した。

関連論文リスト

• RSF-Conv: Rotation-and-Scale Equivariant Fourier Parameterized Convolution for Retinal Vessel Segmentation [58.618797429661754]
  本稿では,網膜血管分割に特化して,回転・スケール同値なフーリエパラメータ化畳み込み(RSF-Conv)を提案する。 一般的なモジュールとして、RCF-Convはプラグイン・アンド・プレイ方式で既存のネットワークに統合できる。 RSF-Convの有効性を示すため,RSF-Conv+U-NetとRCF-Conv+Iter-Netを網膜動脈・静脈の分類に適用した。
  論文  参考訳（メタデータ） (2023-09-27T13:14:57Z)
• Evaluation Kidney Layer Segmentation on Whole Slide Imaging using Convolutional Neural Networks and Transformers [13.602882723160388]
  腎臓層構造のセグメンテーションは、腎病理における自動画像解析において重要な役割を担っている。 現在の手動セグメンテーションプロセスは、広範囲なデジタル病理画像を扱うために、労働集約的かつ実用的であることを証明している。 本研究では,代表畳み込みニューラルネットワーク(CNN)とトランスフォーマーセグメンテーションアプローチを用いる。
  論文  参考訳（メタデータ） (2023-09-05T20:24:27Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• A Hybrid Approach to Full-Scale Reconstruction of Renal Arterial Network [5.953404851562665]
  腎血管ネットワークの主観的なモデルを構築するためのハイブリッドフレームワークを提案する。 我々は,大動脈の半自動分割と微小CTスキャンによる大脳皮質領域の推定を出発点として用いた。 ラット腎から得られた再建データと既存の解剖学的データとの統計的対応性を示した。
  論文  参考訳（メタデータ） (2023-03-03T10:39:25Z)
• White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
  ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。 各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
  論文  参考訳（メタデータ） (2022-07-06T02:03:28Z)
• MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
  フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-03T14:06:03Z)
• VAFO-Loss: VAscular Feature Optimised Loss Function for Retinal Artery/Vein Segmentation [7.670940374203646]
  血管密度とフラクタル次元の2つの共通血管的特徴は,分節内誤分類に敏感である。 標準セグメンテーションネットワークにエンド・ツー・エンドのVAFO-Lossを組み込むことで血管機能推定が向上することを示す。 また,機能最適化損失VAFO-Lossに偏りがあるにもかかわらず,セグメンテーションの統計学的に有意な改善が見られたことも技術的に興味深いことを報告した。
  論文  参考訳（メタデータ） (2022-03-12T12:40:20Z)
• Arterial blood pressure waveform in liver transplant surgery possesses variability of morphology reflecting recipients' acuity and predicting short term outcomes [2.814412986458045]
  基礎となる生理学は、心臓血管系を調節する様々な生理的メカニズムの間の複雑な相互作用を含む補償機構である可能性がある。 本研究では、教師なし多様体学習に基づくDDmapアルゴリズムを用いて、形態学のビート・ビート・ビート変動の定量的指標を得た。
  論文  参考訳（メタデータ） (2021-09-21T15:33:58Z)
• Domain Generalization for Medical Imaging Classification with Linear-Dependency Regularization [59.5104563755095]
  本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。 医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
  論文  参考訳（メタデータ） (2020-09-27T12:30:30Z)
• StyPath: Style-Transfer Data Augmentation For Robust Histology Image Classification [6.690876060631452]
  我々は,StyPathに基づくAMR分類のための,堅牢なディープニューラルネットワークを構築するための新しいパイプラインを提案する。 それぞれの画像は、1GTX V TITANとpytorchを使って1.84 + 0.03秒で生成された。 以上の結果から,本手法は組織学的分類性能を向上させることが示唆された。
  論文  参考訳（メタデータ） (2020-07-09T18:02:49Z)
• Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
  本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。 本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。 我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
  論文  参考訳（メタデータ） (2020-06-16T18:45:20Z)

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。