論文の概要: A Comprehensive Review of Computer-aided Whole-slide Image Analysis:
from Datasets to Feature Extraction, Segmentation, Classification, and
Detection Approaches
- arxiv url: http://arxiv.org/abs/2102.10553v1
- Date: Sun, 21 Feb 2021 08:30:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-24 14:14:50.434618
- Title: A Comprehensive Review of Computer-aided Whole-slide Image Analysis:
from Datasets to Feature Extraction, Segmentation, Classification, and
Detection Approaches
- Title（参考訳）: コンピュータ支援全スライディング画像解析の総合的レビュー:データセットから特徴抽出, セグメンテーション, 分類, 検出アプローチまで
- Authors: Chen Li, Xintong Li, Md Rahaman, Xiaoyan Li, Hongzan Sun, Hong Zhang,
Yong Zhang, Xiaoqi Li, Jian Wu, Yudong Yao, Marcin Grzegorzek
- Abstract要約: 全身スライド画像(WSI)スキャナーは、病理診断の分野で広く使用されています。
本稿では,機械学習に基づくWSI分析手法について概説する。
- 参考スコア（独自算出の注目度）: 21.317219960860267
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the development of computer-aided diagnosis (CAD) and image scanning
technology, Whole-slide Image (WSI) scanners are widely used in the field of
pathological diagnosis. Therefore, WSI analysis has become the key to modern
digital pathology. Since 2004, WSI has been used more and more in CAD. Since
machine vision methods are usually based on semi-automatic or fully automatic
computers, they are highly efficient and labor-saving. The combination of WSI
and CAD technologies for segmentation, classification, and detection helps
histopathologists obtain more stable and quantitative analysis results, save
labor costs and improve diagnosis objectivity. This paper reviews the methods
of WSI analysis based on machine learning. Firstly, the development status of
WSI and CAD methods are introduced. Secondly, we discuss publicly available WSI
datasets and evaluation metrics for segmentation, classification, and detection
tasks. Then, the latest development of machine learning in WSI segmentation,
classification, and detection are reviewed continuously. Finally, the existing
methods are studied, the applicabilities of the analysis methods are analyzed,
and the application prospects of the analysis methods in this field are
forecasted.
- Abstract（参考訳）: コンピュータ支援診断(CAD)および画像スキャン技術の開発により、WSI(Whole-slide Image)スキャナーは病理診断の分野で広く使用されています。
したがって、wsi分析は現代のデジタル病理学の鍵となっている。
2004年以来、WSIはCADでますます使用されています。
機械ビジョン法は通常半自動または全自動コンピュータに基づいているため、高効率で省力化が可能です。
WSIとCAD技術の組み合わせにより、病理学者はより安定的で定量的な分析結果を得ることができ、労働コストを節約し、診断の客観性を向上させることができる。
本稿では,機械学習に基づくWSI分析手法について概説する。
まず、WSI および CAD メソッドの開発状況を紹介する。
次に, セグメンテーション, 分類, 検出タスクのためのWSIデータセットと評価指標について論じる。
次に、wsiセグメンテーション、分類、検出における機械学習の最新開発を継続的にレビューする。
最後に, 既存手法について検討し, 解析手法の適用性を分析し, この分野における解析手法の適用可能性を予測する。
関連論文リスト
- Efficient Whole Slide Image Classification through Fisher Vector Representation [2.4472081831862655]
本稿では,最も情報性の高いパッチの識別と検証を自動化し,WSI分類の新しい手法を提案する。
提案手法は2段階からなる。まず,その病理学的意義に基づいて,WSIから少数のパッチのみを抽出し,次いで,これらのパッチから抽出した特徴を表現するためにFisherベクトルを用いる。
このアプローチは、WSI表現内の主要な病理的特徴をアクセントするだけでなく、計算オーバーヘッドを大幅に減らし、プロセスをより効率的かつスケーラブルにする。
論文 参考訳（メタデータ） (2024-11-13T11:24:12Z) - Benchmarking Embedding Aggregation Methods in Computational Pathology: A Clinical Data Perspective [32.93871326428446]
人工知能(AI)の最近の進歩は、医療画像と計算病理に革命をもたらしている。
デジタル全スライド画像(WSI)の解析における一定の課題は、何万ものタイルレベルの画像埋め込みをスライドレベルの表現に集約する問題である。
本研究は,9つの臨床的課題を対象とした10種類のスライドレベルのアグリゲーション手法のベンチマーク分析を行った。
論文 参考訳（メタデータ） (2024-07-10T17:00:57Z) - 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) - Skin Lesion Analysis: A State-of-the-Art Survey, Systematic Review, and
Future Trends [3.565012455354754]
この記事は2011年から2020年にかけて発行された最先端CAD技術の完全な文献レビューを提供する。
初心者から専門家まで、あらゆるレベルの研究者を指導し、皮膚病変分析のための自動化された堅牢なCADシステムを開発する。
論文 参考訳（メタデータ） (2022-08-25T17:31:15Z) - 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) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - A State-of-the-art Survey of Artificial Neural Networks for Whole-slide
Image Analysis:from Popular Convolutional Neural Networks to Potential Visual
Transformers [18.031804027273292]
ホイルスライド画像(WSI)は, 疾患の診断と解析において, 徐々に重要な役割を担っている。
病理学者の仕事の客観性および正確さを高めるために、人工ニューラルネットワーク(ANN)の方法は一般に必要でした。
論文 参考訳（メタデータ） (2021-04-13T14:39:33Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - Domain Shift in Computer Vision models for MRI data analysis: An
Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。
しかし、現在臨床応用はごくわずかである。
異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文 参考訳（メタデータ） (2020-10-14T16:34:21Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z)
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。