論文の概要: Construction and Usage of a Human Body Common Coordinate Framework Comprising Clinical, Semantic, and Spatial Ontologies

• arxiv url: http://arxiv.org/abs/2007.14474v1
• Date: Tue, 28 Jul 2020 20:35:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 02:48:26.605353
• Title: Construction and Usage of a Human Body Common Coordinate Framework Comprising Clinical, Semantic, and Spatial Ontologies
• Title（参考訳）: 臨床的・意味的・空間的オントロジーを含む人体共通コーディネート・フレームワークの構築と利用
• Authors: Katy B\"orner, Ellen M. Quardokus, Bruce W. Herr II, Leonard E. Cross, Elizabeth G. Record, Yingnan Ju, Andreas D. Bueckle, James P. Sluka, Jonathan C. Silverstein, Kristen M. Browne, Sanjay Jain, Clive H. Wasserfall, Marda L. Jorgensen, Jeffrey M. Spraggins, Nathan H. Patterson, Mark A. Musen, Griffin M. Weber
• Abstract要約: NIHのHuman Biomolecular Atlas Program(HuBMAP)は、健康な人間のすべての細胞を包括的に高解像度のアトラスにすることを目的としている。 これを実現するための鍵は、ボディ全体に意味論的に注釈付けされた3D参照システムを提供する'共通コーディネートフレームワーク' (CCF) である。 CCFは、HuBMAPへのコントリビュータが共通の空間参照システム内での標本とデータセットの登録を可能にする。
• 参考スコア（独自算出の注目度）: 0.6741363399370126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The National Institutes of Health's (NIH) Human Biomolecular Atlas Program (HuBMAP) aims to create a comprehensive high-resolution atlas of all the cells in the healthy human body. Multiple laboratories across the United States are collecting tissue specimens from different organs of donors who vary in sex, age, and body size. Integrating and harmonizing the data derived from these samples and 'mapping' them into a common three-dimensional (3D) space is a major challenge. The key to making this possible is a 'Common Coordinate Framework' (CCF), which provides a semantically annotated, 3D reference system for the entire body. The CCF enables contributors to HuBMAP to 'register' specimens and datasets within a common spatial reference system, and it supports a standardized way to query and 'explore' data in a spatially and semantically explicit manner. [...] This paper describes the construction and usage of a CCF for the human body and its reference implementation in HuBMAP. The CCF consists of (1) a CCF Clinical Ontology, which provides metadata about the specimen and donor (the 'who'); (2) a CCF Semantic Ontology, which describes 'what' part of the body a sample came from and details anatomical structures, cell types, and biomarkers (ASCT+B); and (3) a CCF Spatial Ontology, which indicates 'where' a tissue sample is located in a 3D coordinate system. An initial version of all three CCF ontologies has been implemented for the first HuBMAP Portal release. It was successfully used by Tissue Mapping Centers to semantically annotate and spatially register 48 kidney and spleen tissue blocks. The blocks can be queried and explored in their clinical, semantic, and spatial context via the CCF user interface in the HuBMAP Portal.
• Abstract（参考訳）: 国立衛生研究所(NIH)のヒト生体分子アトラスプログラム(HuBMAP)は、健康なヒトのすべての細胞の包括的高解像度アトラスを作成することを目的としている。 アメリカ合衆国中の複数の研究所が、性別、年齢、体の大きさの異なるドナーの異なる臓器から組織標本を集めている。 これらのサンプルから得られたデータを統合して調和させ、3次元の共通空間に「マッピング」することは大きな課題である。 これを可能にする鍵となるのは、全身に意味論的に注釈付けされた3D参照システムを提供する「共通コーディネートフレームワーク」(CCF)である。 CCFは、HuBMAPへのコントリビュータが共通の空間参照システム内で標本やデータセットを'登録'することを可能にし、空間的および意味的に明示的な方法でデータのクエリと'探索'を行うための標準化された方法をサポートする。 [...]本論文は人体用CCFの構築と使用法とHuBMAPにおける参照実装について述べる。 CCFは、(1)検体とドナーに関するメタデータを提供するCCF臨床オントロジー(the 'who')、(2)検体から来た身体の「何」部分を記述し、解剖学的構造、細胞タイプ、バイオマーカー(ASCT+B)を詳細に記述するCCFセマンティックオントロジー、(3)組織サンプルが3D座標系内にある場所を示すCCF空間オントロジーからなる。 3つのCCFオントロジーの初期バージョンが最初のHuBMAP Portalリリースのために実装されている。 組織マッピングセンターは48個の腎臓と脾臓の組織ブロックを意味的に注釈し、空間的に登録することに成功した。 これらのブロックは、hubmapポータルのccfユーザインターフェースを介して、臨床的、セマンティック、空間的コンテキストでクエリおよび検討することができる。

関連論文リスト

• Preserving Cardiac Integrity: A Topology-Infused Approach to Whole Heart Segmentation [6.495726693226574]
  全心セグメンテーション(WHS)は、心臓血管疾患の診断、疾患のモニタリング、治療計画、予後をサポートする。 本稿では,深層ニューラルネットワークに統合された新しいトポロジ保存モジュールを提案する。 この実装は、学習したトポロジ保存フィールドを用いて、完全に3次元の畳み込みに基づいており、3次元のボクセルデータに対して非常に効果的である、解剖学的に妥当なセグメンテーションを実現する。
  論文  参考訳（メタデータ） (2024-10-14T14:32:05Z)
• GASA-UNet: Global Axial Self-Attention U-Net for 3D Medical Image Segmentation [8.939740171704388]
  本稿では,GTA(Global Axial Self-Attention)ブロックを特徴とする改良されたU-Net型モデルを提案する。 このブロックは、異なる解剖学的断面を表す各2次元平面で、画像データを3次元実体として処理する。 我々のモデルは,特に小解剖学的構造に対して,セグメンテーション性能の有望な改善を証明した。
  論文  参考訳（メタデータ） (2024-09-20T01:23:53Z)
• 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 [0.19791587637442667]
  組織学的スライスにおけるセルインスタンスの自動セグメンテーションと分類のための新しいディープラーニングフレームワーク(CISCA)を提案する。 CISCAのコアには、デコーダに3つの頭を持つ軽量なU-Netを備えたネットワークアーキテクチャがある。 CoNIC, PanNuke, MoNuSegの4つのデータセットを用いて, 提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-09-06T10:34:06Z)
• Anatomy-guided Pathology Segmentation [56.883822515800205]
  本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。 我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。 これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
  論文  参考訳（メタデータ） (2024-07-08T11:44:15Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• A Generative Shape Compositional Framework to Synthesise Populations of Virtual Chimaeras [52.33206865588584]
  複雑な解剖学的構造に対する生成的形状モデルを導入し、未ペアデータセットのデータセットから学習する。 心臓のサブストラクチャのサンプルとして,全音節形状のデータベースから仮想キマエラを構築した。 提案手法は,PCAをベースとした形状モデル(完全データによる学習)を,汎用性と特異性の観点から大きく上回っている。
  論文  参考訳（メタデータ） (2022-10-04T13:36:52Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• Weakly Supervised 3D Classification of Chest CT using Aggregated Multi-Resolution Deep Segmentation Features [5.938730586521215]
  CT画像の病巣分類は, 症例レベルのアノテーションが原因で, 局所性に乏しい。 マルチレゾリューション・セグメンテーション・フィーチャーマップを用いて学習した意味構造概念を活用する医療分類器を提案する。
  論文  参考訳（メタデータ） (2020-10-31T00:16:53Z)
• Novel Subtypes of Pulmonary Emphysema Based on Spatially-Informed Lung Texture Learning [9.272398630419971]
  慢性閉塞性肺疾患(COPD)に合併した肺気腫の1例 CT(Computed tomography)による気腫サブタイプの教師なし学習は、気腫サブタイプの新たな定義への道を開く。
  論文  参考訳（メタデータ） (2020-07-09T17:59:54Z)
• Deep Residual 3D U-Net for Joint Segmentation and Texture Classification of Nodules in Lung [91.3755431537592]
  肺結節の分類法, そのテクスチャ分類, 肺CT像による後続の推奨について検討した。 提案手法は, 一般的なU-Netアーキテクチャファミリに基づくニューラルネットワークモデルと, 共同結節分割とそのテクスチャ分類タスクと, フォローアップレコメンデーションのためのアンサンブルベースモデルから構成される。
  論文  参考訳（メタデータ） (2020-06-25T07:20:41Z)

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。