論文の概要: Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples

• arxiv url: http://arxiv.org/abs/2203.12112v1
• Date: Wed, 23 Mar 2022 00:58:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-25 09:23:52.967117
• Title: Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples
• Title（参考訳）: 卵巣癌生検標本のハイパースペクトル画像におけるリンパ球の分類
• Authors: Benjamin Paulson, Theodore Colwell, Natalia Bukowski, Joseph Weller, Andrew Crisler, John Cisler, Alexander Drobek, and Alexander Neuwirth
• Abstract要約: 生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
• 参考スコア（独自算出の注目度）: 94.37521840642141
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current methods for diagnosing the progression of multiple types of cancer within patients rely on interpreting stained needle biopsies. This process is time-consuming and susceptible to error throughout the paraffinization, Hematoxylin and Eosin (H&E) staining, deparaffinization, and annotation stages. Fourier Transform Infrared (FTIR) imaging has been shown to be a promising alternative to staining for appropriately annotating biopsy cores without the need for deparaffinization or H&E staining with the use of Fourier Transform Infrared (FTIR) images when combined with machine learning to interpret the dense spectral information. We present a machine learning pipeline to segment white blood cell (lymphocyte) pixels in hyperspectral images of biopsy cores. These cells are clinically important for diagnosis, but some prior work has struggled to incorporate them due to difficulty obtaining precise pixel labels. Evaluated methods include Support Vector Machine (SVM), Gaussian Naive Bayes, and Multilayer Perceptron (MLP), as well as analyzing the comparatively modern convolutional neural network (CNN).
• Abstract（参考訳）: 患者内における複数種類のがんの進行の診断方法は, 針生検の解釈に依拠している。 このプロセスは、パラフィン化、ヘマトキシリンとエオシン(H&E)染色、脱パラフィン化、およびアノテーションの段階にわたってエラーを起こすのに時間を要する。 フーリエ変換赤外線(FTIR)イメージングは、フーリエ変換赤外線(FTIR)画像と機械学習を組み合わせることで、偏光やH&E染色を必要とせず、バイオプシーコアを適切に注釈付けするための染色に代わる有望な方法であることが示されている。 本稿では,生検コアのハイパースペクトル画像に白血球(リンパ球)画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。 評価手法としては、Support Vector Machine(SVM)、Gaussian Naive Bayes、Multilayer Perceptron(MLP)、および、比較的現代的な畳み込みニューラルネットワーク(CNN)の解析がある。

関連論文リスト

• Ophthalmic Biomarker Detection with Parallel Prediction of Transformer and Convolutional Architecture [1.6893691730575022]
  本稿では,CNNとVision Transformerのアンサンブルを用いた眼科バイオマーカー検出手法を提案する。 本手法はOCT画像から6つのバイオマーカーを検出するためにOLIVESデータセット上に実装され,データセット上でのマクロ平均F1スコアの大幅な改善を示す。
  論文  参考訳（メタデータ） (2024-09-26T12:33:34Z)
• 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)
• Label- and slide-free tissue histology using 3D epi-mode quantitative phase imaging and virtual H&E staining [1.3141683929245986]
  組織生検の組織学的染色は、疾患の診断と組織の総合的な臨床評価の基準となる。 我々は,新しい3次元定量的位相イメージング技術である定量的斜め後方照明顕微鏡 (qOBM) と,教師なし生成対向ネットワークパイプラインを組み合わせた。 マウス肝,ラットグリオー肉腫,ヒトグリオーマから得られた新鮮組織標本を用いて,H&Eの高忠実度化を実現した。
  論文  参考訳（メタデータ） (2023-06-01T11:09:31Z)
• Automated Whole Slide Imaging for Label-Free Histology using Photon Absorption Remote Sensing Microscopy [0.0]
  現在の染色法と高度なラベリング法は、しばしば破壊的であり、相互に相容れない。 最初の透過モード光子リモートセンシング顕微鏡を用いたラベルフリー組織学プラットフォームを提案する。
  論文  参考訳（メタデータ） (2023-04-26T12:36:19Z)
• Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
  DeepGliomaは人工知能に基づく診断スクリーニングシステムである。 ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
  論文  参考訳（メタデータ） (2023-03-23T18:50:18Z)
• Multi stain graph fusion for multimodal integration in pathology [0.5942143381145052]
  本稿では,多モードCNN-GNNに基づくグラフ融合手法を提案する。 CRN線維症ステージとNAS(NAFLD Activity Score)を予測して非アルコール性脂肪肝炎(NASH)におけるこのアプローチを実証した。 単一定常モデルを用いた場合, 線維化段階およびNAS成分濃度の予測における最大20%の改善が報告された。
  論文  参考訳（メタデータ） (2022-04-26T18:49:24Z)
• 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)
• 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)
• 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)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。