論文の概要: High-resolution Image Registration of Consecutive and Re-stained Sections in Histopathology

• arxiv url: http://arxiv.org/abs/2106.13150v1
• Date: Thu, 24 Jun 2021 16:25:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-25 18:05:05.735899
• Title: High-resolution Image Registration of Consecutive and Re-stained Sections in Histopathology
• Title（参考訳）: 病理組織における連続・再狭窄領域の高分解能画像登録
• Authors: Johannes Lotz, Nick Weiss, Jeroen van der Laak, StefanHeldmann
• Abstract要約: 組織学的検討から, 結節部と再狭窄部における画像の変動について比較した。 我々は、非パラメトリック(非線形)画像登録のための完全自動アルゴリズムを提案し、ANHIRチャレンジから既存のデータセットに適用する。 非パラメトリック登録は,再留置区間において効果が小さくても,両症例ともランドマーク誤差が小さくなることが観察された。
• 参考スコア（独自算出の注目度）: 3.3275315654993842
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We compare variational image registration in consectutive and re-stained sections from histopathology. We present a fully-automatic algorithm for non-parametric (nonlinear) image registration and apply it to a previously existing dataset from the ANHIR challenge (230 slide pairs, consecutive sections) and a new dataset (hybrid re-stained and consecutive, 81 slide pairs, ca. 3000 landmarks) which is made publicly available. Registration hyperparameters are obtained in the ANHIR dataset and applied to the new dataset without modification. In the new dataset, landmark errors after registration range from 13.2 micrometers for consecutive sections to 1 micrometer for re-stained sections. We observe that non-parametric registration leads to lower landmark errors in both cases, even though the effect is smaller in re-stained sections. The nucleus-level alignment after non-parametric registration of re-stained sections provides a valuable tool to generate automatic ground-truth for machine learning applications in histopathology.
• Abstract（参考訳）: 病理組織学的検討から, 変分画像登録法と再保存区間の比較を行った。 非パラメトリック(非線形)画像登録のための完全自動アルゴリズムを提案し、anhirチャレンジ(230個のスライドペア、連続セクション)と新しいデータセット(ハイブリッド再保存および連続、81個のスライドペア、ca)の既存のデータセットに適用する。 3000のランドマーク)が公開されている。 ANHIRデータセットで登録ハイパーパラメータを取得し、修正せずに新しいデータセットに適用する。 新しいデータセットでは、登録後のランドマークエラーは、連続セクションの13.2マイクロメートルから再保存セクションの1マイクロメートルまで様々である。 非パラメトリック登録は,再留置区間で効果が小さくても,両症例ともランドマーク誤差が低いことが観察された。 再安定断面の非パラメトリックな登録後の核レベルのアライメントは、病理学における機械学習応用のための自動基底構造を生成する貴重なツールを提供する。

関連論文リスト

• RegWSI: Whole Slide Image Registration using Combined Deep Feature- and Intensity-Based Methods: Winner of the ACROBAT 2023 Challenge [1.7625447004432986]
  デジタル病理学を専門とする科学コミュニティや病院では,堅牢で効率的かつ正確な登録方法が望まれている。 i) 深層学習と特徴に基づく初期アライメントアルゴリズムと(ii) 強度に基づく非厳密な登録からなる2段階のハイブリッド手法を提案する。 提案手法は特定のデータセットへの微調整を一切必要とせず,任意の組織タイプや染色に直接使用することができる。
  論文  参考訳（メタデータ） (2024-04-19T16:19:30Z)
• Semi-weakly-supervised neural network training for medical image registration [18.520388065729552]
  本稿では,モデル性能を向上させる半弱制御型登録パイプラインについて述べる。 本稿では,ネットワーク重みの摂動と画像再サンプリングによる2種類の拡張手法について検討する。 589人の男性骨盤MRI画像に8つの解剖学的ROIをラベル付けした実験は、登録性能の向上を示す。
  論文  参考訳（メタデータ） (2024-02-16T14:44:40Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Automatic registration with continuous pose updates for marker-less surgical navigation in spine surgery [52.63271687382495]
  本研究では, 腰部脊柱管固定術の登録問題を, 無放射線で自動的に解決するアプローチを提案する。 深部神経ネットワークは、腰椎を分割し、その方向を同時に予測するように訓練され、前手術モデルに対する最初のポーズが得られた。 拡張現実ベースのナビゲーションシステムとの統合により、直感的な外科的ガイダンスが提供される。
  論文  参考訳（メタデータ） (2023-08-05T16:26:41Z)
• GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
  学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。 我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。 提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
  論文  参考訳（メタデータ） (2023-06-26T13:32:09Z)
• Robust Multiview Point Cloud Registration with Reliable Pose Graph Initialization and History Reweighting [63.95845583460312]
  本稿では,ポイントクラウドのマルチビュー登録のための新しい手法を提案する。 提案手法は,3DMatchデータセットの登録リコール率を11%,ScanNetデータセットの登録エラー率を13%向上させる。
  論文  参考訳（メタデータ） (2023-04-02T06:43:40Z)
• Recurrence With Correlation Network for Medical Image Registration [66.63200823918429]
  本稿では,医療画像登録ネットワークであるRecurrence with correlation Network (RWCNet)について述べる。 これらの特徴により、2つの画像登録データセットにおける医用画像登録精度が向上することが実証された。
  論文  参考訳（メタデータ） (2023-02-05T02:41:46Z)
• Synth-by-Reg (SbR): Contrastive learning for synthesis-based registration of paired images [0.0]
  我々は、ドメイン間の弱教師付き画像翻訳のための登録損失を導入する。 この損失は、凍結重み付き登録されたU-Netを利用して、合成CNNを所望の翻訳に向けて駆動する。 本手法は3次元組織再構成における重要なステップであるMRIスライスへのヒストロジカルセクションの登録に適用する。
  論文  参考訳（メタデータ） (2021-07-30T06:40:58Z)
• Automatic 2D-3D Registration without Contrast Agent during Neurovascular Interventions [0.34376560669160383]
  血管の3次元回転再構成による生体蛍光画像を用いて、最小侵襲の神経血管治療で血管内デバイスをナビゲートすることができる。 画像ベース登録アルゴリズムは、画像の勾配(骨構造、罪悪感)を目覚ましい特徴として依存する。 本稿では,臨床ワークフローの変更を必要とせず,新たな2D-3Dレジストレーションの検証方法を確立する。
  論文  参考訳（メタデータ） (2021-06-08T20:16:04Z)
• Learning Nonparametric Human Mesh Reconstruction from a Single Image without Ground Truth Meshes [56.27436157101251]
  そこで本研究では,人間のメッシュ再構築を基礎となる真理メッシュを使わずに学習する手法を提案する。 これはグラフ畳み込みニューラルネットワーク(Graph CNN)の損失関数に2つの新しい用語を導入することで実現される。
  論文  参考訳（メタデータ） (2020-02-28T20:30:07Z)

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。