論文の概要: Classification of histopathology images using ConvNets to detect Lupus
Nephritis
- arxiv url: http://arxiv.org/abs/2112.07555v1
- Date: Tue, 14 Dec 2021 17:00:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 16:12:32.609243
- Title: Classification of histopathology images using ConvNets to detect Lupus
Nephritis
- Title（参考訳）: ループス腎炎検出のためのConvNetsを用いた病理組織像の分類
- Authors: Akash Gupta, Anirudh Reddy, CV Jawahar, PK Vinod
- Abstract要約: ループス腎炎(英語: Lupus Nephritis、LN)は、これらの発作によって腎不全を引き起こす腎臓組織の炎症である。
従来の方法では、腎生検の慎重な病理学的評価が必要であり、時間を要する。
ディープラーニングと現代のコンピュータビジョン技術を用いて,プロセスを自動化するパイプラインを提案する。
- 参考スコア（独自算出の注目度）: 27.978780155504463
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Systemic lupus erythematosus (SLE) is an autoimmune disease in which the
immune system of the patient starts attacking healthy tissues of the body.
Lupus Nephritis (LN) refers to the inflammation of kidney tissues resulting in
renal failure due to these attacks. The International Society of
Nephrology/Renal Pathology Society (ISN/RPS) has released a classification
system based on various patterns observed during renal injury in SLE.
Traditional methods require meticulous pathological assessment of the renal
biopsy and are time-consuming. Recently, computational techniques have helped
to alleviate this issue by using virtual microscopy or Whole Slide Imaging
(WSI). With the use of deep learning and modern computer vision techniques, we
propose a pipeline that is able to automate the process of 1) detection of
various glomeruli patterns present in these whole slide images and 2)
classification of each image using the extracted glomeruli features.
- Abstract（参考訳）: 全身性エリテマトーデス(systemic lupus erythematosus, SLE)は、患者の免疫系が身体の健康な組織を攻撃する自己免疫疾患である。
ループス腎炎(英語: Lupus Nephritis、LN)は、これらの発作による腎不全を引き起こす腎臓組織の炎症である。
International Society of Nephrology/Renal Pathology Society (ISN/RPS)は、SLEの腎障害時に観察される様々なパターンに基づいた分類システムをリリースした。
従来の方法では、腎生検の慎重な病理学的評価が必要であり、時間を要する。
近年,仮想顕微鏡や全スライドイメージング(WSI)を用いることで,この問題の緩和に寄与している。
ディープラーニングと現代のコンピュータビジョン技術を用いて、プロセスを自動化するパイプラインを提案する。
1) スライド画像全体に存在する様々な糸球体パターンの検出と検出
2)抽出した糸球体特徴を用いた各画像の分類。
関連論文リスト
- Segmentation of diagnostic tissue compartments on whole slide images
with renal thrombotic microangiopathies (TMAs) [0.38228662511209544]
腎生検のスライス画像全体を用いて, 動脈, 動脈, 糸球体を確定診断するためのセグメンテーションモデルを訓練した。
我々のセグメンテーションモデルは、U-Netベースの組織検出とシフトウィンドウトランスフォーマーアーキテクチャを組み合わせることで、最も高度に変化した糸球体、動脈、動脈でも優れたセグメンテーション結果が得られる。
論文 参考訳（メタデータ） (2023-11-25T09:08:30Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - Multi-scale Multi-site Renal Microvascular Structures Segmentation for
Whole Slide Imaging in Renal Pathology [4.743463035587953]
Omni-Segは,マルチサイト,マルチスケールのトレーニングデータを活用する新しい動的ネットワーク手法である。
我々は、HuBMAPとNEPTUNEという2つのデータセットの画像を用いて、特異なディープネットワークを訓練する。
提案手法は,腎微小血管構造の定量的解析のための強力な計算ツールを腎病理医に提供する。
論文 参考訳（メタデータ） (2023-08-10T16:26:03Z) - Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳（メタデータ） (2023-04-29T16:11:34Z) - Semi-supervised GAN for Bladder Tissue Classification in Multi-Domain
Endoscopic Images [10.48945682277992]
本稿では,3つの主要コンポーネントからなるGANに基づく半サプライズドジェネレーティブ・アドリアル・ネットワーク(GAN)を提案する。
組織分類法で得られた平均分類精度、精度、リコールは、それぞれ0.90, 0.88, 0.89である。
論文 参考訳（メタデータ） (2022-12-21T21:32:36Z) - Statistical and Topological Summaries Aid Disease Detection for
Segmented Retinal Vascular Images [0.0]
微小血管疾患は網膜画像の視覚検査によって評価される。
病気が静かな症状を示したり、患者が直接の会議に出席できない場合、これは困難である。
微小血管疾患の検出における機械学習アルゴリズムの性能について検討した。
論文 参考訳（メタデータ） (2022-02-20T01:29:36Z) - Medulloblastoma Tumor Classification using Deep Transfer Learning with
Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。
161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文 参考訳（メタデータ） (2021-09-10T13:07:11Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
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。