論文の概要: Pan-Tumor CAnine cuTaneous Cancer Histology (CATCH) Dataset

• arxiv url: http://arxiv.org/abs/2201.11446v1
• Date: Thu, 27 Jan 2022 11:16:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-28 15:18:14.569646
• Title: Pan-Tumor CAnine cuTaneous Cancer Histology (CATCH) Dataset
• Title（参考訳）: catch(pan-tumor canine cutaneous cancer histology)データセット
• Authors: Frauke Wilm, Marco Fragoso, Christian Marzahl, Jingna Qiu, Christof A. Bertram, Robert Klopfleisch, Andreas Maier, Katharina Breininger, Marc Aubreville
• Abstract要約: 12,424個のポリゴンアノテーションで13の組織学的分類を補完した7種類の犬皮膚腫瘍の350枚のスライド画像からなる公開データセットを報告する。 サンプルのサイズとアノテーションの範囲に関して、これはほとんどの公開データセットを超えており、しばしば腫瘍領域に制限されるか、単にパッチレベルのアノテーションを提供するだけである。
• 参考スコア（独自算出の注目度）: 6.547056001246874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to morphological similarities, the differentiation of histologic sections of cutaneous tumors into individual subtypes can be challenging. Recently, deep learning-based approaches have proven their potential for supporting pathologists in this regard. However, many of these supervised algorithms require a large amount of annotated data for robust development. We present a publicly available dataset consisting of 350 whole slide images of seven different canine cutaneous tumors complemented by 12,424 polygon annotations for 13 histologic classes including seven cutaneous tumor subtypes. Regarding sample size and annotation extent, this exceeds most publicly available datasets which are oftentimes limited to the tumor area or merely provide patch-level annotations. We validated our model for tissue segmentation, achieving a class-averaged Jaccard coefficient of 0.7047, and 0.9044 for tumor in particular. For tumor subtype classification, we achieve a slide-level accuracy of 0.9857. Since canine cutaneous tumors possess various histologic homologies to human tumors, we believe that the added value of this dataset is not limited to veterinary pathology but extends to more general fields of application.
• Abstract（参考訳）: 形態学的類似性から,皮膚腫瘍の組織学的部分の個々の亜型への分化は困難である。 近年、深層学習に基づくアプローチは、この点において病理学者を支援する可能性を証明している。 しかし、これらの教師付きアルゴリズムの多くは、堅牢な開発のために大量の注釈付きデータを必要とする。 12,424個のポリゴンアノテーションと7種類の皮膚腫瘍を含む13の組織学的分類を補完する7種類の犬皮膚腫瘍の350枚のスライド画像からなる公開データセットを報告する。 サンプルのサイズとアノテーションの範囲に関して、これはほとんどの公開データセットを超え、しばしば腫瘍領域に制限されるか、単にパッチレベルのアノテーションを提供する。 組織セグメンテーションモデルの妥当性を確認し,クラス平均jaccard係数0.7047,腫瘍0.9044を得た。 腫瘍の亜型分類では,スライドレベルの精度は0.9857。 犬皮膚腫瘍はヒト腫瘍に様々な組織像を有するため,本データセットの付加価値は獣医学に限らず,より一般的な応用分野にまで及んでいると考えられる。

関連論文リスト

• Hierarchical Classification System for Breast Cancer Specimen Report (HCSBC) -- an end-to-end model for characterizing severity and diagnosis [3.4454444815042735]
  階層型ハイブリッドトランスフォーマーベースパイプライン(59ラベル)の開発 -乳癌検体分類システム(HCSBC)- 我々は、EUHデータに基づいてモデルをトレーニングし、2つの外部データセット(MGHとMayo Clinical)でモデルの性能を評価した。
  論文  参考訳（メタデータ） (2023-11-02T18:37:45Z)
• Segmentation of the veterinary cytological images for fast neoplastic tumors diagnosis [0.14519981310202407]
  本稿では,獣医学における細胞画像のインスタンス分割を行う機械学習システムについて述べる。 システムで使用されるディープラーニングモデルは、平均精度とリコールメトリクスのスコアが高い。
  論文  参考訳（メタデータ） (2023-05-07T17:02:58Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
  本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。 本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
  論文  参考訳（メタデータ） (2021-08-08T11:26:34Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)
• Glioma Classification Using Multimodal Radiology and Histology Data [0.41883694872353855]
  グリオーマを,オリゴデンドログリオーマ,アストロサイトーマ,グリオ芽腫の3つのサブタイプに分類するパイプラインを提案する。 分類アルゴリズムは, CPM-RadPath 2020 チャレンジで提供されるデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-11-10T21:38:26Z)
• Multimodal brain tumor classification [4.984601297028256]
  本研究では,全スライド画像と磁気共鳴画像を組み合わせて腫瘍を分類する深層学習手法について検討する。 特に、私たちのソリューションは、スライド画像の分類全体のための強力で汎用的でモジュラーなアーキテクチャで構成されています。 2020年の計算精度医学の課題に先んじて実験が実施されている。
  論文  参考訳（メタデータ） (2020-09-03T11:41:50Z)
• Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
  スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。 トレーニングモデルに複数のインスタンス学習スキームを利用する。 提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
  論文  参考訳（メタデータ） (2020-04-10T13:12:47Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。