論文の概要: Automatic Multi-Stain Registration of Whole Slide Images in
Histopathology
- arxiv url: http://arxiv.org/abs/2107.14292v1
- Date: Thu, 29 Jul 2021 19:38:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-02 12:57:14.564783
- Title: Automatic Multi-Stain Registration of Whole Slide Images in
Histopathology
- Title（参考訳）: 病理組織学における全スライド画像の自動マルチステイン登録
- Authors: Abubakr Shafique (1), Morteza Babaie (1 and 3), Mahjabin Sajadi (1),
Adrian Batten (2), Soma Skdar (2), and H.R. Tizhoosh (1 and 3) ((1) Kimia
Lab, University of Waterloo, Waterloo, ON, Canada., (2) Department of
Pathology, Grand River Hospital, Kitchener, ON, Canada., and (3) Vector
Institute, MaRS Centre, Toronto, Canada.)
- Abstract要約: 単一セルの精度で巨大なギガピクセルの全体スライド画像(WSI)を自動で高速かつ断続的にアライメントするのは難しい。
本稿では,微小な転移リンパ節の局在化を支援するために,2段階の自動機能ベースのクロスステインアライメントを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Joint analysis of multiple biomarker images and tissue morphology is
important for disease diagnosis, treatment planning and drug development. It
requires cross-staining comparison among Whole Slide Images (WSIs) of
immuno-histochemical and hematoxylin and eosin (H&E) microscopic slides.
However, automatic, and fast cross-staining alignment of enormous gigapixel
WSIs at single-cell precision is challenging. In addition to morphological
deformations introduced during slide preparation, there are large variations in
cell appearance and tissue morphology across different staining. In this paper,
we propose a two-step automatic feature-based cross-staining WSI alignment to
assist localization of even tiny metastatic foci in the assessment of lymph
node. Image pairs were aligned allowing for translation, rotation, and scaling.
The registration was performed automatically by first detecting landmarks in
both images, using the scale-invariant image transform (SIFT), followed by the
fast sample consensus (FSC) protocol for finding point correspondences and
finally aligned the images. The Registration results were evaluated using both
visual and quantitative criteria using the Jaccard index. The average Jaccard
similarity index of the results produced by the proposed system is 0.942 when
compared with the manual registration.
- Abstract（参考訳）: 複数のバイオマーカー画像と組織形態の同時解析は、疾患診断、治療計画、薬物開発に重要である。
免疫組織化学的およびヘマトキシリンおよびエオシン(H&E)顕微鏡スライドの全スライド画像(WSI)の横断的な比較が必要である。
しかし、単一セル精度で巨大な WSI を自動かつ高速に相互にアライメントすることは難しい。
スライド調製時に導入された形態的変形に加えて、細胞外観や組織形態の異なる染色にも大きなバリエーションがある。
本稿では, リンパ節転移巣の局所化を補助するために, 2段階の自動特徴量ベースクロスステイン化wsiアライメントを提案する。
画像ペアは、翻訳、回転、スケーリングを可能にした。
登録は、まずスケール不変画像変換(SIFT)を用いて、両方の画像のランドマークを最初に検出し、次に、ポイント対応を見つけるための高速サンプルコンセンサス(FSC)プロトコルを用いて、最終的に画像のアライメントを行う。
登録結果は,ジャカード指標を用いて視覚的,定量的に評価した。
提案システムによる結果の平均jaccard類似度指数は,マニュアル登録と比較して0.942である。
関連論文リスト
- A self-supervised framework for learning whole slide representations [52.774822784847565]
我々は、全スライド画像のギガピクセルスケールの自己スーパービジョンのためのSlide Pre-trained Transformer (SPT)を提案する。
バイオメディカル・マイクロスコープ・データセットを用いて,5つの診断課題におけるSPT視覚表現のベンチマークを行った。
論文 参考訳（メタデータ） (2024-02-09T05:05:28Z) - Dual Attention Model with Reinforcement Learning for Classification of Histology Whole-Slide Images [8.404881822414898]
デジタル全スライド画像(WSI)は一般に顕微鏡分解能で撮影され、広い空間データを包含する。
本稿では,病理医の視覚検査に触発された2つの主成分からなる新しい二重注意アプローチを提案する。
提案手法は,WSIの10%未満を高い倍率で処理しながら,最先端の手法に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2023-02-19T22:26:25Z) - Hierarchical Transformer for Survival Prediction Using Multimodality
Whole Slide Images and Genomics [63.76637479503006]
下流タスクのためのギガピクセルレベルのスライド病理画像(WSI)の良質な表現を学習することが重要である。
本稿では,病理画像と対応する遺伝子間の階層的マッピングを学習する階層型マルチモーダルトランスフォーマーフレームワークを提案する。
より優れたWSI表現能力を維持しながら、ベンチマーク手法と比較してGPUリソースが少ないアーキテクチャです。
論文 参考訳（メタデータ） (2022-11-29T23:47:56Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-11-14T18:16:36Z) - SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ
Histopathology Image Synthesis [63.845552349914186]
本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。
4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
論文 参考訳（メタデータ） (2022-09-02T16:45:46Z) - Shuffle Instances-based Vision Transformer for Pancreatic Cancer ROSE
Image Classification [5.960465634030524]
ラピッドオンサイト評価(ROSE)技術は膵癌の診断を加速させる。
がんのパターンはサンプルによって大きく異なり、コンピュータ診断タスクは非常に難しい。
本稿では,シャッフルインスタンスをベースとしたビジョントランス (SI-ViT) アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-14T11:37:04Z) - Physiology-based simulation of the retinal vasculature enables
annotation-free segmentation of OCT angiographs [8.596819713822477]
提案するパイプラインは,大量のリアルなOCTA画像を,本質的に一致する基底真理ラベルで合成する。
提案手法は,1) 様々な網膜叢をモデル化した生理的シミュレーション,2) 物理に基づく画像拡張のスイートの2つの新しい構成要素を基礎にしている。
論文 参考訳（メタデータ） (2022-07-22T14:22:22Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - Deep Feature based Cross-slide Registration [13.271717388861557]
クロススライダー画像解析は、単一スライド解析と比較して異なるバイオマーカーの表現を分析することで追加情報を提供する。
本稿では,データ駆動型特徴量を利用して剛性変換を推定するDFBR法を提案する。
論文 参考訳（メタデータ） (2022-02-21T03:25:12Z) - Symmetry-Enhanced Attention Network for Acute Ischemic Infarct
Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。
提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。
提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文 参考訳（メタデータ） (2021-10-11T07:13:26Z) - An automated and multi-parametric algorithm for objective analysis of
meibography images [3.5168817881283663]
我々は,メボグラフィー画像の客観的かつ定量的解析のための,自動多パラメータアルゴリズムを開発した。
本アルゴリズムの有効性は,15例のミーボグラフィー画像の典型的なメリボミアン腺の解析において実証された。
論文 参考訳（メタデータ） (2020-10-29T04:26:51Z)
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。