論文の概要: Towards Launching AI Algorithms for Cellular Pathology into Clinical & Pharmaceutical Orbits

• arxiv url: http://arxiv.org/abs/2112.09496v1
• Date: Fri, 17 Dec 2021 13:05:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-20 20:00:45.097905
• Title: Towards Launching AI Algorithms for Cellular Pathology into Clinical & Pharmaceutical Orbits
• Title（参考訳）: 臨床・薬学領域への細胞病理のためのAIアルゴリズムのローンチに向けて
• Authors: Amina Asif, Kashif Rajpoot, David Snead, Fayyaz Minhas and Nasir Rajpoot
• Abstract要約: 計算病理学(CPath、Computational Pathology)は、組織病理学の分野である。 CPathにおける近年の深層学習に基づく研究は, 画像の生画像の高容量化に成功している。
• 参考スコア（独自算出の注目度）: 1.7149364927872013
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational Pathology (CPath) is an emerging field concerned with the study of tissue pathology via computational algorithms for the processing and analysis of digitized high-resolution images of tissue slides. Recent deep learning based developments in CPath have successfully leveraged sheer volume of raw pixel data in histology images for predicting target parameters in the domains of diagnostics, prognostics, treatment sensitivity and patient stratification -- heralding the promise of a new data-driven AI era for both histopathology and oncology. With data serving as the fuel and AI as the engine, CPath algorithms are poised to be ready for takeoff and eventual launch into clinical and pharmaceutical orbits. In this paper, we discuss CPath limitations and associated challenges to enable the readers distinguish hope from hype and provide directions for future research to overcome some of the major challenges faced by this budding field to enable its launch into the two orbits.
• Abstract（参考訳）: 計算病理学(英: computational pathology、cpath)は、組織スライドのデジタル化高分解能画像の処理と解析のための計算アルゴリズムによる組織病理の研究に関わる新興分野である。 CPathにおける近年のディープラーニングベースの開発は、診断、予後、治療感度、患者層化の領域におけるターゲットパラメータを予測するために、ヒストロジー画像における生のピクセルデータの重大量をうまく活用している。 燃料としてのデータとAIをエンジンとして使用するCPathアルゴリズムは、離陸の準備が整い、最終的に臨床および医薬品の軌道に打ち上げられる。 本稿では,CPathの制限と関連する課題について議論し,読者が希望を誇大広告と区別できるようにし,今後の研究の方向性を提供し,この2つの軌道への打ち上げに直面する課題を克服する。

関連論文リスト

• PathoWAve: A Deep Learning-based Weight Averaging Method for Improving Domain Generalization in Histopathology Images [13.362177469092963]
  病理画像解析における領域シフト現象に対処するために,病理量平均化(PathoWAve)を導入する。 The results on Camelyon17 WILDS dataset shows PathoWAve's superiority than previous proposed method。
  論文  参考訳（メタデータ） (2024-06-21T23:25:44Z)
• Computational Pathology: A Survey Review and The Way Forward [35.29627164279813]
  計算病理学 CPath (Computational Pathology CPath) は、医学的な病理像を分析し、モデル化するための計算手法の開発を強化する学際的な科学である。 CPathの主な目的は,臨床病理の補助的CADシステムとして,デジタル診断の基盤とビジョンを開発することである。
  論文  参考訳（メタデータ） (2023-04-11T20:28:33Z)
• AI and Pathology: Steering Treatment and Predicting Outcomes [1.365100962983716]
  組織解釈に関するアプリケーション課題の豊富なセットと、AI手法の調査について述べる。 本研究は, 疾患状態の定量的評価, 患者の予後予測, 治療ステアリングを目的とした, 特定の種類のヒト組織分析, 病理組織学に焦点を当てた。
  論文  参考訳（メタデータ） (2022-06-15T14:55:30Z)
• Deep Learning for Computational Cytology: A Survey [12.08083533402352]
  完全教師付き,弱教師付き,教師なし,伝達学習など,さまざまなディープラーニング手法を導入する。 そこで我々は,公開データセット,評価指標,分類,検出,セグメンテーション,その他の関連タスクを含む多種多様な細胞画像解析アプリケーションを体系的に要約した。
  論文  参考訳（メタデータ） (2022-02-10T16:22:10Z)
• REET: Robustness Evaluation and Enhancement Toolbox for Computational Pathology [1.452875650827562]
  計算病理学応用のための最初のドメイン固有ロバストネス評価・拡張ツールボックス(REET)を提案する。 REETは予測モデルの堅牢性評価を可能にするアルゴリズム戦略のスイートを提供する。 REETはまた、計算病理学におけるディープラーニングパイプラインの効率的で堅牢なトレーニングを可能にする。
  論文  参考訳（メタデータ） (2022-01-28T18:23:55Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Deep Algorithm Unrolling for Biomedical Imaging [99.73317152134028]
  本章では,アルゴリズムのアンロールによるバイオメディカル応用とブレークスルーについて概説する。 我々はアルゴリズムのアンローリングの起源を辿り、反復アルゴリズムをディープネットワークにアンローリングする方法に関する包括的なチュートリアルを提供する。 オープンな課題を議論し、今後の研究方向性を提案することで、この章を締めくくります。
  論文  参考訳（メタデータ） (2021-08-15T01:06:26Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。