Fugu-MT 論文翻訳(概要): A generative adversarial approach to facilitate archival-quality histopathologic diagnoses from frozen tissue sections

論文の概要: A generative adversarial approach to facilitate archival-quality histopathologic diagnoses from frozen tissue sections

arxiv url: http://arxiv.org/abs/2108.10550v1
Date: Tue, 24 Aug 2021 07:20:53 GMT
ステータス: 処理完了
システム内更新日: 2021-08-25 19:13:22.973096
Title: A generative adversarial approach to facilitate archival-quality histopathologic diagnoses from frozen tissue sections
Title（参考訳）: 凍結組織からの歯肉質の組織学的診断を容易にする再生的逆行性アプローチ
Authors: Kianoush Falahkheirkhah, Tao Guo, Michael Hwang, Pheroze Tamboli, Christopher G Wood, Jose A Karam, Kanishka Sircar, and Rohit Bhargava
Abstract要約: ホルマリン固定パラフィン埋め込み(FFPE)組織は、その超画質にほぼ普遍的に好まれる。フレッシュフリーズ(FF)処理は、迅速な情報が得られるが、クリーニングの欠如、形態的変形、そしてより頻繁なアーティファクトにより、診断精度は準最適である。我々は、98対の腎サンプルから生成したGANを用いて、FFPEのような画像(仮想FFPE)をFFPEから合成する。
参考スコア（独自算出の注目度）: 9.977722139986643
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In clinical diagnostics and research involving histopathology, formalin fixed paraffin embedded (FFPE) tissue is almost universally favored for its superb image quality. However, tissue processing time (more than 24 hours) can slow decision-making. In contrast, fresh frozen (FF) processing (less than 1 hour) can yield rapid information but diagnostic accuracy is suboptimal due to lack of clearing, morphologic deformation and more frequent artifacts. Here, we bridge this gap using artificial intelligence. We synthesize FFPE-like images ,virtual FFPE, from FF images using a generative adversarial network (GAN) from 98 paired kidney samples derived from 40 patients. Five board-certified pathologists evaluated the results in a blinded test. Image quality of the virtual FFPE data was assessed to be high and showed a close resemblance to real FFPE images. Clinical assessments of disease on the virtual FFPE images showed a higher inter-observer agreement compared to FF images. The nearly instantaneously generated virtual FFPE images can not only reduce time to information but can facilitate more precise diagnosis from routine FF images without extraneous costs and effort.
Abstract（参考訳）: 病理組織学を含む臨床診断および研究において、ホルマリン固定パラフィン(FFPE)組織は、その超画質にほぼ普遍的に好まれる。しかし、組織処理時間(24時間以上)は意思決定を遅らせる可能性がある。対照的に、フレッシュフリーズ(ff)処理(1時間未満)は迅速な情報が得られるが、クリアリングの欠如、形態的変形、頻繁なアーティファクトにより診断精度は最適ではない。ここでは、人工知能を使ってこのギャップを埋める。患者40名から分離した98対の腎サンプルから生成逆数ネットワーク(GAN)を用いて,FFPE様画像,仮想FFPEをFFPEから合成した。 5人の病理医が盲検検査の結果を評価した。仮想FFPEデータの画質は高く評価され、実際のFFPE画像とよく似ていることが示された。仮想ffpe画像における疾患の臨床的評価は, ff画像と比較して, 観察者間一致が高かった。ほぼ瞬時に生成された仮想FFPE画像は、情報への時間を短縮するだけでなく、余分なコストと労力なしで通常のFFPE画像からより正確な診断を容易にすることができる。

関連論文リスト

StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文参考訳（メタデータ） (2024-08-11T01:22:29Z)
Leveraging Pre-trained Models for FF-to-FFPE Histopathological Image Translation [6.108290302640328]
Hematoxylin and Eosin (H&E) slides in histopathology is Formalin-Fixed Paraffin-Embedded (FFPE) and Fresh Frozen (FF) FFPEスライドは高品質な病理像を提供するが、労働集約的な取得プロセスを必要とする。本研究の目的は,FFPE画像からFFPE画像へ変換することで,診断目的の画像品質を向上させることである。 TCGA-NSCLCデータセットを用いたFF-to-FFPE翻訳実験により,提案手法が既存の手法より優れていることを示す。
論文参考訳（メタデータ） (2024-06-26T04:12:34Z)
F2FLDM: Latent Diffusion Models with Histopathology Pre-Trained Embeddings for Unpaired Frozen Section to FFPE Translation [2.435021773579434]
凍結切片法(FS法)は急速かつ効率的な方法であり, 手術中の病理医の評価のためのスライド作成に15～30分しかかからない。 FSプロセスは、折り畳みや氷結晶効果のようなアーティファクトや歪みをしばしば導入する。これらのアーティファクトは、高品質なホルマリン固定パラフィン埋め込み(FFPE)スライドには欠落しており、準備には2～3日を要する。 FS画像の復元性を高めるために, LDMと病理組織学的プレトレーニングエンベディングを組み合わせた新しいアプローチを提案する。
論文参考訳（メタデータ） (2024-04-19T06:32:21Z)
Diffusion Facial Forgery Detection [56.69763252655695]
本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
論文参考訳（メタデータ） (2024-01-29T03:20:19Z)
Deepfake histological images for enhancing digital pathology [0.40631409309544836]
我々は,クラスラベルに制約された病理像を合成する生成逆ネットワークモデルを開発した。前立腺および大腸組織像の合成におけるこの枠組みの有用性について検討した。大腸生検によるより複雑な画像へのアプローチを拡張し,そのような組織における複雑な微小環境も再現可能であることを示す。
論文参考訳（メタデータ） (2022-06-16T17:11:08Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
RFormer: Transformer-based Generative Adversarial Network for Real Fundus Image Restoration on A New Clinical Benchmark [8.109057397954537]
眼科医は眼疾患のスクリーニングと診断に眼底画像を使用している。低品質 (LQ) 劣化した眼底画像は, 臨床検診における不確実性を引き起こしやすく, 一般的に誤診のリスクを増大させる。本稿では, 臨床基礎画像の真の劣化を回復するために, トランスフォーマーベースの生成適応ネットワーク(RFormer)を提案する。
論文参考訳（メタデータ） (2022-01-03T03:56:58Z)
Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文参考訳（メタデータ） (2021-10-04T16:06:49Z)
Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文参考訳（メタデータ） (2021-08-07T10:12:42Z)
Deep Learning-based Frozen Section to FFPE Translation [4.221354566366119]
凍結切片 (FS) は外科手術中の組織を顕微鏡的に評価する方法である。 FSは、核の氷結晶、圧縮、切断人工物などの誤解を招く人工構造を導入する傾向にある。凍結切断された全スライド画像(FS-WSI)を全スライド型FFPE画像に数分で変換することにより,FS画像の品質を向上させる人工知能(AI)手法を提案する。
論文参考訳（メタデータ） (2021-07-25T11:32:57Z)
Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文参考訳（メタデータ） (2020-05-06T15:19:15Z)

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。