Fugu-MT 論文翻訳(概要): Cytology Image Analysis Techniques Towards Automation: Systematically Revisited

論文の概要: Cytology Image Analysis Techniques Towards Automation: Systematically Revisited

arxiv url: http://arxiv.org/abs/2003.07529v1
Date: Tue, 17 Mar 2020 04:56:19 GMT
ステータス: 処理完了
システム内更新日: 2022-12-22 21:49:24.983528
Title: Cytology Image Analysis Techniques Towards Automation: Systematically Revisited
Title（参考訳）: 自動化に向けた細胞画像解析技術:体系的再考
Authors: Shyamali Mitra, Nibaran Das, Soumyajyoti Dey, Sukanta Chakrabarty, Mita Nasipuri, Mrinal Kanti Naskar
Abstract要約: 細胞学(英: Cytology)は、がんや炎症の診断のための細胞の顕微鏡検査を扱う病理学の分野である。高い計算能力と改良された標本収集技術を持つインテリジェントな技術ユニットの流入は、その技術の高さを達成するのに役立った。
参考スコア（独自算出の注目度）: 8.611122453839998
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cytology is the branch of pathology which deals with the microscopic examination of cells for diagnosis of carcinoma or inflammatory conditions. Automation in cytology started in the early 1950s with the aim to reduce manual efforts in diagnosis of cancer. The inflush of intelligent technological units with high computational power and improved specimen collection techniques helped to achieve its technological heights. In the present survey, we focus on such image processing techniques which put steps forward towards the automation of cytology. We take a short tour to 17 types of cytology and explore various segmentation and/or classification techniques which evolved during last three decades boosting the concept of automation in cytology. It is observed, that most of the works are aligned towards three types of cytology: Cervical, Breast and Lung, which are discussed elaborately in this paper. The user-end systems developed during that period are summarized to comprehend the overall growth in the respective domains. To be precise, we discuss the diversity of the state-of-the-art methodologies, their challenges to provide prolific and competent future research directions inbringing the cytology-based commercial systems into the mainstream.
Abstract（参考訳）: 細胞診(英: cytology)は、がんまたは炎症性疾患の診断のための細胞の顕微鏡的検査を扱う病理学の分野である。細胞学の自動化は1950年代初頭に始まり、がんの診断における手作業を減らすことを目的とした。高い計算能力と改良された標本収集技術を持つインテリジェントな技術ユニットの流入は、その技術の高さを達成するのに役立った。本研究では, 細胞診の自動化に向けての一歩を踏み出す画像処理技術に注目する。我々は17種類の細胞学への短いツアーを行い、過去30年間に進化した様々なセグメンテーションおよび/または分類手法を探求し、細胞学における自動化の概念を推し進める。本論文で詳しく論じているように,これらの研究の大部分は,3種類の細胞学(Cervical, Breast, Lung)に一致している。この期間に開発されたユーザエンドシステムは、各ドメインの全体的な成長を理解するために要約される。正確には、最先端の方法論の多様性と、細胞学に基づく商業システムを主流に育む多目的で有能な将来の研究方向を提供するための課題について論じる。

関連論文リスト

Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
Artificial Intelligence for Digital and Computational Pathology [8.255348228685682]
組織スライドのデジタル化の進展と人工知能の急速な進歩は、計算病理学の分野を加速させた。本総説では, クリニカルエンドポイントの予測手法の進歩を概説する。これらの開発が臨床の自動化と新しいバイオマーカーの発見を可能にしている点を強調している。
論文参考訳（メタデータ） (2023-12-13T00:22:52Z)
Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文参考訳（メタデータ） (2023-11-28T09:14:55Z)
The State of Applying Artificial Intelligence to Tissue Imaging for Cancer Research and Early Detection [0.0]
回帰、分類、セグメンテーション、生成、圧縮タスクを含む、モデルが開発する5つのコアタスクを特定します。このような方法が直面するメリットや課題に対処し,がん予防や治療にどのように適応できるかを検討する。
論文参考訳（メタデータ） (2023-06-29T14:47:03Z)
A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文参考訳（メタデータ） (2022-09-27T14:08:19Z)
Nuclei & Glands Instance Segmentation in Histology Images: A Narrative Review [0.5893124686141781]
組織像における核と腺のセグメンテーションは、計算病理のワークフローにおいて重要なステップである。現代的なハードウェアの出現により、大規模で高品質な公開データセットが最近利用可能になり、組織化された大きな課題が自動化メソッドの急増に遭遇した。この調査では,過去5年～2022年に公表された,原子核と腺のセグメンテーションに関するAIベースの手法を解説した126の論文を深く分析した。
論文参考訳（メタデータ） (2022-08-26T06:52:15Z)
Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文参考訳（メタデータ） (2022-02-17T08:33:52Z)
Deep Learning for Computational Cytology: A Survey [12.08083533402352]
完全教師付き,弱教師付き,教師なし,伝達学習など,さまざまなディープラーニング手法を導入する。そこで我々は,公開データセット,評価指標,分類,検出,セグメンテーション,その他の関連タスクを含む多種多様な細胞画像解析アプリケーションを体系的に要約した。
論文参考訳（メタデータ） (2022-02-10T16:22:10Z)
Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文参考訳（メタデータ） (2021-12-20T13:29:13Z)
OncoPetNet: A Deep Learning based AI system for mitotic figure counting on H&E stained whole slide digital images in a large veterinary diagnostic lab setting [47.38796928990688]
OncoPetNetの開発において,複数の最先端ディープラーニング技術を用いて病理組織像分類と有糸体像検出を行った。提案システムは,14種類の癌に対して,ヒトのエキスパートベースラインと比較して,41例の有糸分裂計数性能を有意に向上させた。デプロイでは、2つのセンターで1日3,323枚のデジタル全スライド画像を処理する高スループット獣医診断サービスにおいて、効果的な0.27分/スライダー推論が達成された。
論文参考訳（メタデータ） (2021-08-17T20:01:33Z)
Objective Diagnosis for Histopathological Images Based on Machine Learning Techniques: Classical Approaches and New Trends [0.33554367023486936]
病理組織像は顕微鏡で撮影され、多くの疾患を特定し、調査し、分類する。病理組織像の解析は、疾患の診断を支援する多種多様かつ関連する研究領域である。本稿では, 組織像解析に応用された従来の深層学習技術について概観する。
論文参考訳（メタデータ） (2020-11-10T07:31:05Z)

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。