論文の概要: Label-free virtual HER2 immunohistochemical staining of breast tissue using deep learning

• arxiv url: http://arxiv.org/abs/2112.05240v1
• Date: Wed, 8 Dec 2021 08:56:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-13 15:50:33.422357
• Title: Label-free virtual HER2 immunohistochemical staining of breast tissue using deep learning
• Title（参考訳）: 深層学習を用いた無ラベル仮想HER2免疫組織化学染色
• Authors: Bijie Bai, Hongda Wang, Yuzhu Li, Kevin de Haan, Francesco Colonnese, Yujie Wan, Jingyi Zuo, Ngan B. Doan, Xiaoran Zhang, Yijie Zhang, Jingxi Li, Wenjie Dong, Morgan Angus Darrow, Elham Kamangar, Han Sung Lee, Yair Rivenson, Aydogan Ozcan
• Abstract要約: 本稿では,条件付き生成対向ネットワークを用いた深層学習に基づく仮想HER2 IHC染色法について述べる。 この仮想HER2染色フレームワークの有効性は定量的解析によって実証された。 この仮想的なHER2染色フレームワークは、実験室におけるコスト、労力、時間のかかるIHC染色をバイパスする。
• 参考スコア（独自算出の注目度）: 0.5518574122214462
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The immunohistochemical (IHC) staining of the human epidermal growth factor receptor 2 (HER2) biomarker is widely practiced in breast tissue analysis, preclinical studies and diagnostic decisions, guiding cancer treatment and investigation of pathogenesis. HER2 staining demands laborious tissue treatment and chemical processing performed by a histotechnologist, which typically takes one day to prepare in a laboratory, increasing analysis time and associated costs. Here, we describe a deep learning-based virtual HER2 IHC staining method using a conditional generative adversarial network that is trained to rapidly transform autofluorescence microscopic images of unlabeled/label-free breast tissue sections into bright-field equivalent microscopic images, matching the standard HER2 IHC staining that is chemically performed on the same tissue sections. The efficacy of this virtual HER2 staining framework was demonstrated by quantitative analysis, in which three board-certified breast pathologists blindly graded the HER2 scores of virtually stained and immunohistochemically stained HER2 whole slide images (WSIs) to reveal that the HER2 scores determined by inspecting virtual IHC images are as accurate as their immunohistochemically stained counterparts. A second quantitative blinded study performed by the same diagnosticians further revealed that the virtually stained HER2 images exhibit a comparable staining quality in the level of nuclear detail, membrane clearness, and absence of staining artifacts with respect to their immunohistochemically stained counterparts. This virtual HER2 staining framework bypasses the costly, laborious, and time-consuming IHC staining procedures in laboratory, and can be extended to other types of biomarkers to accelerate the IHC tissue staining used in life sciences and biomedical workflow.
• Abstract（参考訳）: ヒト上皮成長因子受容体2(her2)バイオマーカーの免疫組織化学的染色は、乳腺組織分析、前臨床研究、診断決定、がん治療の誘導、病原性の検討において広く実践されている。 HER2染色は、組織処理と化学処理を必要とするが、通常は実験室での準備に1日かかり、分析時間と関連するコストが増大する。 本稿では,無ラベル/無ラベル乳房組織切片の自己蛍光顕微鏡像を,同じ組織切片で化学的に実施する標準のher2 ihc染色法に適合した,明視野等価顕微鏡像に高速に変換するように訓練した条件付き生成逆向ネットワークを用いた,深層学習に基づく仮想her2 ihc染色法について述べる。 この仮想的なHER2染色法の有効性は, 3人の乳腺病理医が仮想染色および免疫組織化学的染色されたHER2全スライド画像(WSI)のHER2スコアをブラインドグレードし, 仮想IHC画像の検査により決定されたHER2スコアが免疫組織化学的染色されたものと同等に正確であることを示した。 また、同じ診断者による第2の定量的盲検により、実質的に染色されたher2画像は、免疫組織化学的に染色された画像に対して、核の細部、膜透明度、染色アーティファクトの欠如のレベルで同等の染色品質を示すことが明らかとなった。 この仮想HER2染色フレームワークは、実験室のコスト、労力、時間のかかるIHC染色手順をバイパスし、他の種類のバイオマーカーに拡張して、生命科学やバイオメディカルワークフローで使用されるIHC組織染色を加速することができる。

関連論文リスト

• Label-free evaluation of lung and heart transplant biopsies using virtual staining [3.24061990641619]
  従来の組織化学的染色プロセスは、時間がかかり、費用がかかり、労働集約的である。 肺・心臓移植生検における仮想染色ニューラルネットワークのパネルについて述べる。 仮想染色ネットワークは、高い色均一性を持つ高品質な組織像を一貫して生成する。
  論文  参考訳（メタデータ） (2024-09-09T00:18:48Z)
• DeReStainer: H&E to IHC Pathological Image Translation via Decoupled Staining Channels [10.321593505248341]
  本稿では,H&E染色をIHC染色に変換するための持続的フレームワークを提案する。 IHC画像を生成するためにヘマトキシリンおよびジアミノベンジジン(DAB)チャネルに特異的な損失関数を設計する。
  論文  参考訳（メタデータ） (2024-09-01T07:56:33Z)
• VIMs: Virtual Immunohistochemistry Multiplex staining via Text-to-Stain Diffusion Trained on Uniplex Stains [0.9920087186610302]
  IHC染色は、複雑な診断問題を解決し、患者の治療決定を導くために、病理学の実践において不可欠である。 小さな生検では、しばしば複数の染色のための十分な組織が欠如し、その後の分子試験のための材料が保存される。 VIMsはこのニーズに対処する最初のモデルであり、仮想IHC多重化のために大きな視覚言語による単一ステップ拡散モデルを活用する。
  論文  参考訳（メタデータ） (2024-07-26T22:23:45Z)
• Structural Cycle GAN for Virtual Immunohistochemistry Staining of Gland Markers in the Colon [1.741980945827445]
  ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。 病理学者は、特定の構造や細胞を分析するために異種化学染色(IHC)を必要とする。 ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。
  論文  参考訳（メタデータ） (2023-08-25T05:24:23Z)
• Breast Cancer Immunohistochemical Image Generation: a Benchmark Dataset and Challenge Review [17.649693088941508]
  乳がん化学画像生成に挑戦し,病理画像生成における深層学習技術の新たな考え方を探究した。 この課題は、登録されたH&EとIHCステインイメージペアを提供し、参加者はこれらのイメージを使用して、対応するH&EステインイメージからIHCステインイメージを直接生成できるモデルをトレーニングする必要がある。 我々は,PSNRとSSIMの指標に基づいて,上位5つの手法を選択し,レビューし,対応するパイプラインと実装の概要を示した。
  論文  参考訳（メタデータ） (2023-05-05T13:56:02Z)
• Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
  デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。 この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
  論文  参考訳（メタデータ） (2023-03-14T15:23:48Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• 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)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• 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 learning-based transformation of the H&E stain into special stains [44.38127957263123]
  腎針核生検の組織切片を用いた,H&Eから特殊染色への教師あり学習型コンピュータステンレス変換の有用性を示す。 結果: 染色変態ネットワークにより生成された特殊染色の品質は, 標準組織化学的染色により生成されたものと統計的に同等であった。
  論文  参考訳（メタデータ） (2020-08-20T10:12:03Z)

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。