Fugu-MT 論文翻訳(概要): Inference of captions from histopathological patches

論文の概要: Inference of captions from histopathological patches

arxiv url: http://arxiv.org/abs/2202.03432v1
Date: Mon, 7 Feb 2022 10:02:38 GMT
ステータス: 処理完了
システム内更新日: 2022-02-09 16:27:46.802131
Title: Inference of captions from histopathological patches
Title（参考訳）: 病理組織学的パッチからのキャプションの推測
Authors: Masayuki Tsuneki, Fahdi Kanavati
Abstract要約: キャプション付き262Kパッチのデータセットを公開しています。パッチから抽出した特徴からキャプションを予測し,有望な結果を得た。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computational histopathology has made significant strides in the past few years, slowly getting closer to clinical adoption. One area of benefit would be the automatic generation of diagnostic reports from H\&E-stained whole slide images which would further increase the efficiency of the pathologists' routine diagnostic workflows. In this study, we compiled a dataset (PatchGastricADC22) of histopathological captions of stomach adenocarcinoma endoscopic biopsy specimens, which we extracted from diagnostic reports and paired with patches extracted from the associated whole slide images. The dataset contains a variety of gastric adenocarcinoma subtypes. We trained a baseline attention-based model to predict the captions from features extracted from the patches and obtained promising results. We make the captioned dataset of 262K patches publicly available.
Abstract（参考訳）: 計算病理学はここ数年で大きな進歩を遂げ、徐々に臨床応用に近づきつつある。利点の1つは、H&Eが保持する全スライド画像から診断レポートを自動生成することで、病理医の日常的な診断ワークフローの効率をさらに高めることである。本研究では,胃腺癌内視鏡的生検標本の病理組織学的キャプションのデータセット(patchgastricadc22)を,診断報告から抽出し,関連する全スライド画像から抽出したパッチと組み合わせた。このデータセットは、様々な胃腺癌サブタイプを含む。我々は,パッチから抽出した特徴からキャプションを予測し,有望な結果を得た。キャプション付き262Kパッチのデータセットを公開しています。

関連論文リスト

Towards a Comprehensive Benchmark for Pathological Lymph Node Metastasis in Breast Cancer Sections [21.75452517154339]
我々は1,399枚のスライド画像(WSI)と、Camelyon-16とCamelyon-17データセットのラベルを再処理した。再発腫瘍領域の大きさから,2重複癌検診を4段階に改善した。
論文参考訳（メタデータ） (2024-11-16T09:19:24Z)
Efficient Self-Supervised Barlow Twins from Limited Tissue Slide Cohorts for Colonic Pathology Diagnostics [14.177695952155213]
大腸癌 (CRC) は、スクリーニングの恩恵を受ける、確立されたdysplasia-carcinoma sequenceを有する数少ないがんの1つである。 DLモデルは、全スライディング画像のギガピクセル画像サイズと詳細な注釈付きデータセットの不足により、計算病理学(CPath)において重大な課題に直面している。本稿では,大腸ポリープスクリーニングのためのBarlow Twinsフレームワークを提案する。
論文参考訳（メタデータ） (2024-11-08T20:43:53Z)
Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文参考訳（メタデータ） (2022-09-28T10:27:10Z)
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)
Pseudo-domains in imaging data improve prediction of future disease status in multi-center studies [57.712855968194305]
本研究では,多数の異なるスキャンサイトと,各サイト毎のサンプル数に対処可能な予測手法を提案する。以上の結果より,初診後48週,12週間の肝疾患経過観察の結果から,聴力低下の予測精度が向上した。
論文参考訳（メタデータ） (2021-11-15T09:40:54Z)
BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文参考訳（メタデータ） (2021-10-05T19:14:46Z)
UniToPatho, a labeled histopathological dataset for colorectal polyps classification and adenoma dysplasia grading [12.222174729732904]
9536ヘマトキシリンとイオシン(H&E)染色パッチを292枚の全滑り画像から抽出した注釈付きデータセットであるUniToPathoを紹介します。このデータセットは、大腸ポリープ分類と腺腫グレーディングのためのディープニューラルネットワークのトレーニングを目的としています。
論文参考訳（メタデータ） (2021-01-25T10:18:44Z)
Discovering Clinically Meaningful Shape Features for the Analysis of Tumor Pathology Images [2.864559331994679]
腫瘍組織スライドのデジタル画像化は、がん診断の日常的な臨床方法になりつつある。近年のディープラーニング手法の進歩により,病理画像中の腫瘍領域を大規模に検出し,特徴付けることが可能になった。
論文参考訳（メタデータ） (2020-12-09T05:56:41Z)
Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文参考訳（メタデータ） (2020-05-08T02:16:17Z)
Representation Learning of Histopathology Images using Graph Neural Networks [12.427740549056288]
本稿では,WSI表現学習のための2段階フレームワークを提案する。色に基づく手法を用いて関連するパッチをサンプリングし、グラフニューラルネットワークを用いてサンプルパッチ間の関係を学習し、画像情報を単一のベクトル表現に集約する。肺腺癌 (LUAD) と肺扁平上皮癌 (LUSC) の2つの亜型を鑑別するためのアプローチの有用性について検討した。
論文参考訳（メタデータ） (2020-04-16T00:09:20Z)
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)

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。