論文の概要: Code-free development and deployment of deep segmentation models for
digital pathology
- arxiv url: http://arxiv.org/abs/2111.08430v1
- Date: Tue, 16 Nov 2021 13:08:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-17 21:18:06.257038
- Title: Code-free development and deployment of deep segmentation models for
digital pathology
- Title(参考訳): デジタル病理学のための深部セグメンテーションモデルの開発と展開
- Authors: Henrik Sahlin Pettersen, Ilya Belevich, Elin Synn{\o}ve R{\o}yset,
Erik Smistad, Eija Jokitalo, Ingerid Reinertsen, Ingunn Bakke, Andr\'e
Pedersen
- Abstract要約: 本稿では,フリーユースなオープンソースソフトウェア(QuPath,DeepMIB,FastPathology)を応用した,深層学習型セグメンテーションモデルの構築と展開のためのコードフリーパイプラインを提案する。
140個のhematoxylin-eosin (HE)-stainedと111個のCD3免疫染色型大腸生検WSIからなる251個のアノテートWSIのデータセットを開発した。
病理学レベルのセグメンテーション精度と臨床ランタイム性能を実証し、プログラミング経験のない病理学者が最先端セグメンテーションソリューションを作成できることを示す。
- 参考スコア(独自算出の注目度): 0.7812927717615301
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Application of deep learning on histopathological whole slide images (WSIs)
holds promise of improving diagnostic efficiency and reproducibility but is
largely dependent on the ability to write computer code or purchase commercial
solutions. We present a code-free pipeline utilizing free-to-use, open-source
software (QuPath, DeepMIB, and FastPathology) for creating and deploying deep
learning-based segmentation models for computational pathology. We demonstrate
the pipeline on a use case of separating epithelium from stroma in colonic
mucosa. A dataset of 251 annotated WSIs, comprising 140 hematoxylin-eosin
(HE)-stained and 111 CD3 immunostained colon biopsy WSIs, were developed
through active learning using the pipeline. On a hold-out test set of 36 HE and
21 CD3-stained WSIs a mean intersection over union score of 96.6% and 95.3% was
achieved on epithelium segmentation. We demonstrate pathologist-level
segmentation accuracy and clinical acceptable runtime performance and show that
pathologists without programming experience can create near state-of-the-art
segmentation solutions for histopathological WSIs using only free-to-use
software. The study further demonstrates the strength of open-source solutions
in its ability to create generalizable, open pipelines, of which trained models
and predictions can seamlessly be exported in open formats and thereby used in
external solutions. All scripts, trained models, a video tutorial, and the full
dataset of 251 WSIs with ~31k epithelium annotations are made openly available
at https://github.com/andreped/NoCodeSeg to accelerate research in the field.
- Abstract(参考訳): 組織学的全スライド画像(WSI)へのディープラーニングの適用は、診断効率と再現性の向上を約束するが、主にコンピュータコードの記述能力や商用ソリューションの購入能力に依存している。
本稿では,フリーユースなオープンソースソフトウェア(QuPath,DeepMIB,FastPathology)を用いて,深層学習に基づく分類モデルの作成と展開を行う。
大腸粘膜のstromaから上皮を分離する使用例について本パイプラインを実証した。
このパイプラインを用いたアクティブラーニングにより,140ヘマトキシリン-エオシン (he) と111cd3免疫染色大腸生検wsisからなる251のアノテートwsisデータセットを開発した。
36 HEおよび21 CD3-stained WSIsのホールドアウト試験セットでは、上皮のセグメンテーションで96.6%と95.3%の平均結合が達成された。
病理学レベルのセグメンテーション精度と臨床が許容する実行時性能を実証し、プログラム経験のない病理学者が、フリー・ツー・ユースソフトウェアのみを用いて、病理組織学的WSIに対する最先端のセグメンテーションソリューションを作成できることを示す。
この研究は、最適化されたモデルと予測をオープンフォーマットでシームレスにエクスポートし、それによって外部ソリューションで使用できる、汎用的でオープンなパイプラインを作成する能力において、オープンソースソリューションの強みをさらに示している。
すべてのスクリプト、トレーニングされたモデル、ビデオチュートリアル、31kのエピテリウムアノテーションを備えた251のWSIの全データセットがhttps://github.com/andreped/NoCodeSegで公開されている。
関連論文リスト
- Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳(メタデータ) (2024-01-11T19:07:58Z) - Quilt-LLaVA: Visual Instruction Tuning by Extracting Localized
Narratives from Open-Source Histopathology Videos [12.780838861124941]
そこで本研究では,107,131の病理組織学的特異性問合せ/問合せの大規模データセットであるQuilt-Instructを紹介した。
Quilt-Instructを使ってQult-LLaVAをトレーニングします。
論文 参考訳(メタデータ) (2023-12-07T23:16:37Z) - IODeep: an IOD for the introduction of deep learning in the DICOM
standard [0.0]
本稿では、ディープニューラルネットワーク(DNN)の重みとアーキテクチャの両方を記憶するための新しいDICOM情報オブジェクト定義(IOD)を提案する。
IODeepは、トレーニングされたAIモデルをDICOMインフラストラクチャに完全に統合することを保証する。
これにより、AIモデルは、Radiology病棟が生成する実際のデータに合わせて調整され、医師の意思決定プロセスが改善される。
論文 参考訳(メタデータ) (2023-11-10T09:30:06Z) - Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳(メタデータ) (2023-10-28T12:08:03Z) - Development and validation of a natural language processing algorithm to
pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。
臨床文献のコーパスを12種類に分類した。
私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文 参考訳(メタデータ) (2023-03-23T17:17:46Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳(メタデータ) (2021-02-26T17:49:58Z) - Improving Clinical Document Understanding on COVID-19 Research with
Spark NLP [0.0]
世界的な新型コロナウイルスのパンデミックの後、ウイルスを研究する科学論文の数は大幅に増加しました。
これまでの取り組みを3つの方法で改善する臨床テキストマイニングシステムを紹介します。
まず、健康、解剖学、リスクファクター、有害事象の社会的決定要因を含む100以上の異なるエンティティタイプを認識することができます。
第2に、テキスト処理パイプラインは、アサーション状態検出を含み、患者以外の誰かの存在、欠如、条件付き、または、患者に関する臨床事実を区別する。
論文 参考訳(メタデータ) (2020-12-07T19:17:05Z) - Explaining Predictions of Deep Neural Classifier via Activation Analysis [0.11470070927586014]
本稿では,畳み込みニューラルネットワーク(CNN)に基づく深層学習システムを実行する人間専門家に対して,意思決定プロセスの説明と支援を行う新しいアプローチを提案する。
以上の結果から,本手法は既存のアトラスから最も類似した予測を識別できる別個の予測戦略を検出することができることが示された。
論文 参考訳(メタデータ) (2020-12-03T20:36:19Z) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳(メタデータ) (2020-07-31T14:34:47Z) - LRTD: Long-Range Temporal Dependency based Active Learning for Surgical
Workflow Recognition [67.86810761677403]
本稿では,費用対効果の高い手術ビデオ解析のための新しい能動的学習法を提案する。
具体的には,非局所的再帰的畳み込みネットワーク (NL-RCNet) を提案する。
手術ワークフロー認識タスクを実行することで,大規模な手術ビデオデータセット(Cholec80)に対するアプローチを検証する。
論文 参考訳(メタデータ) (2020-04-21T09:21:22Z) - Data Efficient and Weakly Supervised Computational Pathology on Whole
Slide Images [4.001273534300757]
計算病理学は、客観的診断、治療反応予測、臨床関連性の新たな形態学的特徴の同定を可能にする可能性がある。
ディープラーニングベースの計算病理学アプローチでは、完全に教師された設定でギガピクセル全体のスライド画像(WSI)のマニュアルアノテーションを必要とするか、弱い教師付き設定でスライドレベルのラベルを持つ何千ものWSIを必要とする。
ここでは、クラスタリングに制約のある複数のインスタンス学習について紹介する。
論文 参考訳(メタデータ) (2020-04-20T23:00:13Z)
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。