論文の概要: An automatic framework for fusing information from differently stained
consecutive digital whole slide images: A case study in renal histology
- arxiv url: http://arxiv.org/abs/2008.13050v2
- Date: Sun, 2 May 2021 19:12:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 17:20:07.561589
- Title: An automatic framework for fusing information from differently stained
consecutive digital whole slide images: A case study in renal histology
- Title（参考訳）: 異なる染色デジタル全スライド画像から情報を抽出するための自動的枠組み:腎組織学を例として
- Authors: Odyssee Merveille, Thomas Lampert, Jessica Schmitz, Germain Forestier,
Friedrich Feuerhake, C\'edric Wemmert
- Abstract要約: 本稿では,糸球体の微小環境を記述する高レベル情報を抽出する画像処理フレームワークを提案する。
腎移植後の慢性組織リモデリングは間質性線維症や尿細管萎縮を引き起こすことがある。
- 参考スコア（独自算出の注目度）: 0.9590956574213348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objective: This article presents an automatic image processing framework to
extract quantitative high-level information describing the micro-environment of
glomeruli in consecutive whole slide images (WSIs) processed with different
staining modalities of patients with chronic kidney rejection after kidney
transplantation. Methods: This four-step framework consists of: 1) approximate
rigid registration, 2) cell and anatomical structure segmentation 3) fusion of
information from different stainings using a newly developed registration
algorithm 4) feature extraction. Results: Each step of the framework is
validated independently both quantitatively and qualitatively by pathologists.
An illustration of the different types of features that can be extracted is
presented. Conclusion: The proposed generic framework allows for the analysis
of the micro-environment surrounding large structures that can be segmented
(either manually or automatically). It is independent of the segmentation
approach and is therefore applicable to a variety of biomedical research
questions. Significance: Chronic tissue remodelling processes after kidney
transplantation can result in interstitial fibrosis and tubular atrophy (IFTA)
and glomerulosclerosis. This pipeline provides tools to quantitatively analyse,
in the same spatial context, information from different consecutive WSIs and
help researchers understand the complex underlying mechanisms leading to IFTA
and glomerulosclerosis.
- Abstract（参考訳）: 目的: 本論文は, 腎移植後の慢性腎拒絶症患者の染色形態が異なる連続スライド画像(wsis)における糸球体環境に関する定量的高レベル情報を抽出するための自動画像処理フレームワークを提案する。
メソッド: この4段階のフレームワークは:
1) 近似的厳格な登録
2)細胞と解剖学的構造区分
3)新規登録アルゴリズムを用いた異色染色からの情報の融合
4)特徴抽出。
結果: フレームワークの各ステップは,病理学者によって定量的にも質的にも独立に検証される。
抽出可能なさまざまなタイプの特徴の図示が提示される。
結論: 提案する汎用フレームワークは,(手動あるいは自動で)セグメント化可能な大型構造物を取り巻くマイクロ環境の分析を可能にする。
セグメンテーションアプローチとは独立しており、したがって様々な生物医学的研究問題に適用できる。
腎移植後の慢性組織リモデリングは間質性線維化と管状萎縮(ifta)と糸球体硬化を引き起こす可能性がある。
このパイプラインは、異なる連続するwsisからの情報を定量的に分析するツールを提供し、研究者がiftaや糸球体硬化につながる複雑なメカニズムを理解するのに役立つ。
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) - HistoGym: A Reinforcement Learning Environment for Histopathological Image Analysis [9.615399811006034]
HistoGymは、医師の実際の過程を模倣して、スライド画像全体の診断を促進することを目的としている。
私たちは、WSIベースのシナリオと選択された地域ベースのシナリオを含む、さまざまな臓器や癌のシナリオを提供しています。
論文 参考訳（メタデータ） (2024-08-16T17:19:07Z) - Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。
本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。
心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
論文 参考訳（メタデータ） (2024-01-04T08:46:39Z) - Enhancing Medical Image Segmentation: Optimizing Cross-Entropy Weights
and Post-Processing with Autoencoders [10.59457299493644]
本稿では,医用画像セグメンテーションに適した深層学習手法を提案する。
提案手法は,U-Netでは平均12.26%,U-Net++では12.04%,皮膚筋炎データセットではResNetファミリーのエンコーダでは平均12.26%,最先端技術では12.04%に優れていた。
論文 参考訳（メタデータ） (2023-08-21T06:09:00Z) - Multi-scale Multi-site Renal Microvascular Structures Segmentation for
Whole Slide Imaging in Renal Pathology [4.743463035587953]
Omni-Segは,マルチサイト,マルチスケールのトレーニングデータを活用する新しい動的ネットワーク手法である。
我々は、HuBMAPとNEPTUNEという2つのデータセットの画像を用いて、特異なディープネットワークを訓練する。
提案手法は,腎微小血管構造の定量的解析のための強力な計算ツールを腎病理医に提供する。
論文 参考訳（メタデータ） (2023-08-10T16:26:03Z) - Structure-aware registration network for liver DCE-CT images [50.28546654316009]
セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。
提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
論文 参考訳（メタデータ） (2023-03-08T14:08:56Z) - Semi-supervised GAN for Bladder Tissue Classification in Multi-Domain
Endoscopic Images [10.48945682277992]
本稿では,3つの主要コンポーネントからなるGANに基づく半サプライズドジェネレーティブ・アドリアル・ネットワーク(GAN)を提案する。
組織分類法で得られた平均分類精度、精度、リコールは、それぞれ0.90, 0.88, 0.89である。
論文 参考訳（メタデータ） (2022-12-21T21:32:36Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - CryoNuSeg: A Dataset for Nuclei Instance Segmentation of Cryosectioned
H&E-Stained Histological Images [2.809445852388983]
完全アノテートされたfs由来のcryosectionedおよびh&e-stained nuclear instance segmentationデータセットであるcryonusegを紹介する。
データセットには、他の公開データセットでは利用されなかった10のヒト臓器の画像が含まれている。
論文 参考訳（メタデータ） (2021-01-02T12:34:06Z) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-06-26T02:50:09Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。