論文の概要: OpenSRH: optimizing brain tumor surgery using intraoperative stimulated
Raman histology
- arxiv url: http://arxiv.org/abs/2206.08439v1
- Date: Thu, 16 Jun 2022 20:43:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-20 13:35:46.752079
- Title: OpenSRH: optimizing brain tumor surgery using intraoperative stimulated
Raman histology
- Title（参考訳）: OpenSRH : 術中ラマン組織学を用いた脳腫瘍手術の最適化
- Authors: Cheng Jiang, Asadur Chowdury, Xinhai Hou, Akhil Kondepudi, Christian
W. Freudiger, Kyle Conway, Sandra Camelo-Piragua, Daniel A. Orringer, Honglak
Lee, and Todd C. Hollon
- Abstract要約: 今回我々は,脳腫瘍患者のRaman histology(SRH)画像の最初の公開データセットであるOpenSRHについて紹介する。
OpenSRHは、最も一般的な脳腫瘍の診断、完全な病理アノテーション、スライド腫瘍の領域全体、生と加工された光学画像データからのデータを含んでいる。
我々は、マルチクラス脳腫瘍分類とパッチベースのコントラスト表現学習の2つのコンピュータビジョンタスクをベンチマークした。
- 参考スコア（独自算出の注目度）: 30.845626784372186
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate intraoperative diagnosis is essential for providing safe and
effective care during brain tumor surgery. Our standard-of-care diagnostic
methods are time, resource, and labor intensive, which restricts access to
optimal surgical treatments. To address these limitations, we propose an
alternative workflow that combines stimulated Raman histology (SRH), a rapid
optical imaging method, with deep learning-based automated interpretation of
SRH images for intraoperative brain tumor diagnosis and real-time surgical
decision support. Here, we present OpenSRH, the first public dataset of
clinical SRH images from 300+ brain tumors patients and 1300+ unique whole
slide optical images. OpenSRH contains data from the most common brain tumors
diagnoses, full pathologic annotations, whole slide tumor segmentations, raw
and processed optical imaging data for end-to-end model development and
validation. We provide a framework for patch-based whole slide SRH
classification and inference using weak (i.e. patient-level) diagnostic labels.
Finally, we benchmark two computer vision tasks: multiclass histologic brain
tumor classification and patch-based contrastive representation learning. We
hope OpenSRH will facilitate the clinical translation of rapid optical imaging
and real-time ML-based surgical decision support in order to improve the
access, safety, and efficacy of cancer surgery in the era of precision
medicine. Dataset access, code, and benchmarks are available at
opensrh.mlins.org.
- Abstract（参考訳）: 正確な術中診断は脳腫瘍手術において安全かつ効果的な治療に不可欠である。
我々の標準的な診断方法は、時間、資源、労働集約であり、最適な外科治療へのアクセスを制限する。
これらの制約に対処するために,刺激されたラマン組織学(SRH)と,術中脳腫瘍診断のための深層学習に基づくSRH画像の自動解釈とリアルタイム手術支援を組み合わせたワークフローを提案する。
今回我々は,300以上の脳腫瘍患者による臨床srh画像と,1300以上の特異な全スライド光学画像の公開データセットであるopensrhを提案する。
OpenSRHは、最も一般的な脳腫瘍の診断、完全な病理診断、全スライド腫瘍のセグメンテーション、生と処理された光学画像データから、エンドツーエンドのモデルの開発と検証のデータを含んでいる。
我々は、弱い(患者レベル)診断ラベルを用いたパッチベースの全スライドSRH分類と推論のためのフレームワークを提供する。
最後に、マルチクラス脳腫瘍分類とパッチベースのコントラスト表現学習の2つのコンピュータビジョンタスクをベンチマークする。
OpenSRHは, 精密医療時代の癌手術のアクセス, 安全性, 有効性を向上させるために, 高速光画像とリアルタイムMLに基づく外科的決定支援の臨床的翻訳を容易にすることを願っている。
データセットへのアクセス、コード、ベンチマークはopensrh.mlins.orgで入手できる。
関連論文リスト
- A CNN Approach to Automated Detection and Classification of Brain Tumors [0.0]
本研究の目的は、提供されたMRIデータを分析して、健康な脳組織と脳腫瘍を分類することである。
モデル作成に使用されるデータセットは、3,264個の脳MRIスキャンを含む、一般にアクセス可能で検証された脳腫瘍分類(MRI)データベースである。
論文 参考訳（メタデータ） (2025-02-13T19:33:26Z) - SKIPNet: Spatial Attention Skip Connections for Enhanced Brain Tumor Classification [3.8233569758620063]
脳腫瘍の早期発見は、タイムリーな治療には不可欠であるが、遠隔地では診断施設へのアクセスが制限されている。
本研究では,MRIデータを用いた脳腫瘍の自動検出と分類のためのディープラーニングモデルを提案する。
空間的注意を取り入れたこのモデルは96.90%の精度を達成し、パターン認識を改善するために文脈情報の集約を強化した。
論文 参考訳（メタデータ） (2024-12-10T18:32:42Z) - SLIMBRAIN: Augmented Reality Real-Time Acquisition and Processing System For Hyperspectral Classification Mapping with Depth Information for In-Vivo Surgical Procedures [0.0]
本稿では,高スペクトル(HS)情報から脳腫瘍組織を分類・表示するのに適したリアルタイム取得・処理ARシステムであるSLIMBRAINを提案する。
このシステムは、腫瘍切除手術中に、HS画像を毎秒14フレーム(FPS)でキャプチャして処理し、ニューロサージョンの手術と同時に癌組織を検出し、切り離す。
結果はARビジュアライゼーションで表現され、分類結果はLiDARカメラで捉えたRGBポイントクラウドと重なる。
論文 参考訳（メタデータ） (2024-03-25T11:10:49Z) - Step-Calibrated Diffusion for Biomedical Optical Image Restoration [47.191704042917394]
再生ステップ校正拡散(Resorative Step-Calibrated Diffusion、RSCD)は、拡散に基づく画像復元法である。
RSCDは、画像品質と知覚評価の両方において、他の広く使われている未使用画像復元方法よりも優れている。
RSCDは、自動脳腫瘍診断や深部組織イメージングなど、下流の臨床画像タスクのパフォーマンスを改善する。
論文 参考訳（メタデータ） (2024-03-20T15:38:53Z) - Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳（メタデータ） (2023-11-01T07:24:22Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - 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) - Intra-operative Brain Tumor Detection with Deep Learning-Optimized
Hyperspectral Imaging [37.21885467891782]
グリオーマ(内因性脳腫瘍)の手術は、病変の浸潤性により困難である。
リアルタイム, 術中, ラベルフリー, 広視野の道具は使用できない。
術中指導の可能性を秘めた癌切除のための深層学習型診断ツールを構築した。
論文 参考訳（メタデータ） (2023-02-06T15:52:03Z) - Contrastive Representation Learning for Rapid Intraoperative Diagnosis
of Skull Base Tumors Imaged Using Stimulated Raman Histology [26.194247664756553]
頭蓋底腫瘍の術中診断は,腫瘍の多様性と術中病理資源の不足により困難である。
頭蓋底腫瘍の迅速かつ正確な診断を可能とする,独立かつ平行な術中病理ワークフローを開発した。
論文 参考訳（メタデータ） (2021-08-08T02:49:29Z)
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。