Fugu-MT 論文翻訳(概要): Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform

論文の概要: Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform

arxiv url: http://arxiv.org/abs/2202.13270v1
Date: Sun, 27 Feb 2022 02:19:09 GMT
ステータス: 処理完了
システム内更新日: 2022-03-01 15:42:21.599623
Title: Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform
Title（参考訳）: 生態多様性と離散ウェーブレット変換を用いた病理像のテクスチャー評価
Authors: Steve Tsham Mpinda Ataky, Alessandro Lameiras Koerich
Abstract要約: 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。
参考スコア（独自算出の注目度）: 82.53597363161228
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Breast cancer is a health problem that affects mainly the female population. An early detection increases the chances of effective treatment, improving the prognosis of the disease. In this regard, computational tools have been proposed to assist the specialist in interpreting the breast digital image exam, providing features for detecting and diagnosing tumors and cancerous cells. Nonetheless, detecting tumors with a high sensitivity rate and reducing the false positives rate is still challenging. Texture descriptors have been quite popular in medical image analysis, particularly in histopathologic images (HI), due to the variability of both the texture found in such images and the tissue appearance due to irregularity in the staining process. Such variability may exist depending on differences in staining protocol such as fixation, inconsistency in the staining condition, and reagents, either between laboratories or in the same laboratory. Textural feature extraction for quantifying HI information in a discriminant way is challenging given the distribution of intrinsic properties of such images forms a non-deterministic complex system. This paper proposes a method for characterizing texture across HIs with a considerable success rate. By employing ecological diversity measures and discrete wavelet transform, it is possible to quantify the intrinsic properties of such images with promising accuracy on two HI datasets compared with state-of-the-art methods.
Abstract（参考訳）: 乳癌は主に女性に影響を及ぼす健康上の問題である。早期発見は効果的な治療の可能性を高め、疾患の予後を改善する。この点について,乳腺デジタル画像検査の専門医を支援する計算ツールが提案されており,腫瘍や癌細胞の検出と診断の機能を提供する。しかし, 感度が高く, 偽陽性率も低い腫瘍を検出することは依然として困難である。テクスチャディスクリプタは、特に病理画像(HI)において、そのような画像に見られるテクスチャの多様性と染色過程の異常による組織の外観の両方から、医用画像解析において非常に人気がある。このようなばらつきは、固定、染色状態の不整合、試薬などの染色プロトコルの違いにより、実験室または同じ研究室で存在する可能性がある。このような画像の内在特性の分布が非決定論的複雑系を形成することを考えると、HI情報を識別的に定量化するためのテクスチャ特徴抽出は困難である。本稿では, HIの集合組織を特徴付ける手法を提案する。生態学的多様性測定と離散ウェーブレット変換を用いることで,2つのHIデータセットの固有特性を最先端の手法と比較して有望な精度で定量化することができる。

関連論文リスト

FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文参考訳（メタデータ） (2024-10-29T21:37:03Z)
Heterogeneous Image-based Classification Using Distributional Data Analysis [0.1471145775252885]
画素レベルの特徴の確率(量子)分布を組み込んだ新しい画像ベース分布データ解析(DDA)手法を開発した。提案手法の特徴として, (i) 画像内の不均一性を考慮し, (ii) 分布全体にわたる粒度の情報を取り込み, (iii) がん応用における未登録画像に対する画像サイズの変化に対処する能力がある。
論文参考訳（メタデータ） (2024-03-11T19:41:40Z)
Rapid hyperspectral photothermal mid-infrared spectroscopic imaging from sparse data for gynecologic cancer tissue subtyping [3.550171634694342]
ミドル赤外線(Mid-Infrared、MIR)は、ラベルなし、生化学的に定量的な技術である。この研究は、MIR光熱画像への新しいアプローチを示し、その速度を桁違いに向上させる。
論文参考訳（メタデータ） (2024-02-28T00:57:35Z)
VALD-MD: Visual Attribution via Latent Diffusion for Medical Diagnostics [0.0]
医用画像における視覚的属性は、医用画像の診断関連成分を明確にすることを目指している。本稿では、潜在拡散モデルとドメイン固有大言語モデルを組み合わせた新しい生成的視覚属性手法を提案する。結果として生じるシステムは、ゼロショット局所化疾患誘導を含む様々な潜在能力を示す。
論文参考訳（メタデータ） (2024-01-02T19:51:49Z)
On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文参考訳（メタデータ） (2023-06-23T03:09:03Z)
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)
Shuffle Instances-based Vision Transformer for Pancreatic Cancer ROSE Image Classification [5.960465634030524]
ラピッドオンサイト評価(ROSE)技術は膵癌の診断を加速させる。がんのパターンはサンプルによって大きく異なり、コンピュータ診断タスクは非常に難しい。本稿では,シャッフルインスタンスをベースとしたビジョントランス (SI-ViT) アプローチを提案する。
論文参考訳（メタデータ） (2022-08-14T11:37:04Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Deep Learning-Assisted Co-registration of Full-Spectral Autofluorescence Lifetime Microscopic Images with H&E-Stained Histology Images [5.9861067768807]
我々は,共同登録の成功を著しく改善する,教師なし画像-画像間翻訳ネットワークを示す。このアプローチは、この範囲を超えるライフタイムイメージや他の染色技術に、力ずくで拡張できる可能性がある。
論文参考訳（メタデータ） (2022-02-15T22:09:06Z)
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)

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。