論文の概要: BCI: Breast Cancer Immunohistochemical Image Generation through Pyramid Pix2pix

• arxiv url: http://arxiv.org/abs/2204.11425v1
• Date: Mon, 25 Apr 2022 04:00:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-26 15:42:15.477869
• Title: BCI: Breast Cancer Immunohistochemical Image Generation through Pyramid Pix2pix
• Title（参考訳）: ピラミッドpix2pixによる乳癌の免疫組織化学的画像生成
• Authors: Shengjie Liu, Chuang Zhu, Feng Xu, Xinyu Jia, Zhongyue Shi and Mulan Jin
• Abstract要約: ヒト上皮成長因子受容体2(HER2)の発現は乳癌の正確な治療に必須である。 今回我々は,乳がん化学(BCI)ベンチマークを初めて提案し,IHCデータをヘマトキシリンとエオシン染色画像で直接合成する方法を提案する。 データセットには4870の登録イメージペアが含まれており、さまざまなHER2表現レベルをカバーする。
• 参考スコア（独自算出の注目度）: 8.82904507522587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The evaluation of human epidermal growth factor receptor 2 (HER2) expression is essential to formulate a precise treatment for breast cancer. The routine evaluation of HER2 is conducted with immunohistochemical techniques (IHC), which is very expensive. Therefore, for the first time, we propose a breast cancer immunohistochemical (BCI) benchmark attempting to synthesize IHC data directly with the paired hematoxylin and eosin (HE) stained images. The dataset contains 4870 registered image pairs, covering a variety of HER2 expression levels. Based on BCI, as a minor contribution, we further build a pyramid pix2pix image generation method, which achieves better HE to IHC translation results than the other current popular algorithms. Extensive experiments demonstrate that BCI poses new challenges to the existing image translation research. Besides, BCI also opens the door for future pathology studies in HER2 expression evaluation based on the synthesized IHC images. BCI dataset can be downloaded from https://bupt-ai-cz.github.io/BCI.
• Abstract（参考訳）: ヒト上皮成長因子受容体2(her2)発現の評価は、乳癌の正確な治療に必須である。 HER2の定期的な評価は免疫組織化学的手法(IHC)で行われ、非常に高価である。 そこで本研究では,ihcデータをヘマトキシリンとエオシン(he)染色画像と直接合成する乳癌免疫組織化学(bci)ベンチマークを提案する。 データセットには4870の登録イメージペアが含まれており、さまざまなHER2表現レベルをカバーする。 BCIをベースとしたピラミッド画素画像生成手法は,他の一般的なアルゴリズムよりも優れたHEとIHCの変換結果が得られる。 広範な実験により、bciは既存の画像翻訳研究に新たな課題をもたらすことが示されている。 さらに、BCIは、合成IHC画像に基づくHER2発現評価における将来の病理研究の扉を開く。 BCIデータセットはhttps://bupt-ai-cz.github.io/BCIからダウンロードできる。

関連論文リスト

• HER2 and FISH Status Prediction in Breast Biopsy H&E-Stained Images Using Deep Learning [3.1326332131745813]
  ヘマトキシリンとエオシン(H&E)の腫瘍染色はより広く利用可能である。 H&EによるHER2状態の正確な予測は、コスト削減と治療選択の迅速化を可能にする。 H&Eのためのディープラーニングアルゴリズムは、様々ながんの特徴と臨床結果を予測するのに有効である。
  論文  参考訳（メタデータ） (2024-08-25T12:22:50Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Breast Cancer Immunohistochemical Image Generation: a Benchmark Dataset and Challenge Review [17.649693088941508]
  乳がん化学画像生成に挑戦し,病理画像生成における深層学習技術の新たな考え方を探究した。 この課題は、登録されたH&EとIHCステインイメージペアを提供し、参加者はこれらのイメージを使用して、対応するH&EステインイメージからIHCステインイメージを直接生成できるモデルをトレーニングする必要がある。 我々は,PSNRとSSIMの指標に基づいて,上位5つの手法を選択し,レビューし,対応するパイプラインと実装の概要を示した。
  論文  参考訳（メタデータ） (2023-05-05T13:56:02Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• convoHER2: A Deep Neural Network for Multi-Stage Classification of HER2 Breast Cancer [0.0]
  ヘマトキシリンおよびエオシン(H&E)および化学染色(IHC)画像はベイズ情報基準(BIC)ベンチマークデータセットの生データとして使用されている。 コンボHER2モデルは、H&E画像とIHC画像を用いて、HER2癌とそのグレードを精度85%と88%で検出することができる。
  論文  参考訳（メタデータ） (2022-11-19T13:09:14Z)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection [48.88813637974911]
  深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。 高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。 本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
  論文  参考訳（メタデータ） (2022-09-20T15:57:12Z)
• 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)
• Label-free virtual HER2 immunohistochemical staining of breast tissue using deep learning [0.5518574122214462]
  本稿では,条件付き生成対向ネットワークを用いた深層学習に基づく仮想HER2 IHC染色法について述べる。 この仮想HER2染色フレームワークの有効性は定量的解析によって実証された。 この仮想的なHER2染色フレームワークは、実験室におけるコスト、労力、時間のかかるIHC染色をバイパスする。
  論文  参考訳（メタデータ） (2021-12-08T08:56:15Z)
• HEROHE Challenge: assessing HER2 status in breast cancer without immunohistochemistry or in situ hybridization [14.8546864876007]
  HEROHE Challengeは、浸潤乳癌のヘマトキシリンおよびエオシン染色組織サンプルのみに基づくHER2状態の評価を自動化することを目的としている。 HER2のステータスを評価する方法は、世界中で21のチームによって提示された。
  論文  参考訳（メタデータ） (2021-11-08T13:39:41Z)
• Robust Deep AUC Maximization: A New Surrogate Loss and Empirical Studies on Medical Image Classification [63.44396343014749]
  AUCスコアに対する新たなマージンベースサロゲート損失関数を提案する。 一般的に使用されるものよりも頑丈である。 大規模な最適化の観点からも同じ利点を享受しながら、正方損失。 私たちの知る限りでは、DAMが大規模医療画像データセットで成功するのはこれが初めてです。
  論文  参考訳（メタデータ） (2020-12-06T03:41:51Z)

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。