Fugu-MT 論文翻訳(概要): OpenSRH: optimizing brain tumor surgery using intraoperative stimulated Raman histology

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

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)
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)
RESECT-SEG: Open access annotations of intra-operative brain tumor ultrasound images [2.8712862578745018]
手術を施行した23例のMRとUS(iUS)画像で構成された。提案データセットは、腫瘍組織とiUS画像の空洞アノテーションを含む。これらのラベルは、ディープラーニングアプローチのトレーニングにも使用することができる。
論文参考訳（メタデータ） (2022-07-13T05:53:30Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)
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)
QuickTumorNet: Fast Automatic Multi-Class Segmentation of Brain Tumors [0.0]
3D MRIボリュームからの脳腫瘍の手動分割は、時間のかかる作業です。私たちのモデルであるQuickTumorNetは、高速で信頼性があり、正確な脳腫瘍セグメンテーションを示しました。
論文参考訳（メタデータ） (2020-12-22T23:16:43Z)
Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。