Fugu-MT 論文翻訳(概要): Novel Deep Learning Approach to Derive Cytokeratin Expression and Epithelium Segmentation from DAPI

論文の概要: Novel Deep Learning Approach to Derive Cytokeratin Expression and Epithelium Segmentation from DAPI

arxiv url: http://arxiv.org/abs/2208.08284v1
Date: Tue, 16 Aug 2022 12:11:32 GMT
ステータス: 処理完了
システム内更新日: 2022-08-18 12:32:23.001927
Title: Novel Deep Learning Approach to Derive Cytokeratin Expression and Epithelium Segmentation from DAPI
Title（参考訳）: DAPIによるサイトケラチン発現と上皮分画の新しい深層学習手法
Authors: Felix Jakob Segerer, Katharina Nekolla, Lorenz Rognoni, Ansh Kapil, Markus Schick, Helen Angell, G\"unter Schmidt
Abstract要約: 我々は,非小細胞肺癌(NSCLC)画像において,免疫蛍光(IF)DAPI染色から細胞ケラチン(CK)染色を合成するための新しいGANベースのアプローチであるdapi2ckを提案する。
参考スコア（独自算出の注目度）: 0.46180371154032895
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Generative Adversarial Networks (GANs) are state of the art for image synthesis. Here, we present dapi2ck, a novel GAN-based approach to synthesize cytokeratin (CK) staining from immunofluorescent (IF) DAPI staining of nuclei in non-small cell lung cancer (NSCLC) images. We use the synthetic CK to segment epithelial regions, which, compared to expert annotations, yield equally good results as segmentation on stained CK. Considering the limited number of markers in a multiplexed IF (mIF) panel, our approach allows to replace CK by another marker addressing the complexity of the tumor micro-environment (TME) to facilitate patient selection for immunotherapies. In contrast to stained CK, dapi2ck does not suffer from issues like unspecific CK staining or loss of tumoral CK expression.
Abstract（参考訳）: GAN(Generative Adversarial Networks)は、画像合成の最先端技術である。本稿では,非小細胞肺癌(NSCLC)画像における核の蛍光DAPI染色から細胞ケラチン(CK)染色を合成する新しいGANベースのアプローチであるdapi2ckを提案する。我々は, 合成CKを用いて上皮領域を分画し, 専門家のアノテーションと比較すると, 染色CKの分画と同等に良好な結果を得た。マルチプレクシドIF (mIF) パネルのマーカー数が限られていることを考えると,腫瘍マイクロ環境 (TME) の複雑さに対処する別のマーカーでCKを置き換え,免疫療法の患者選択を容易にすることができる。染色CKとは対照的に、dapi2ckは非特異的CK染色や腫瘍CK発現の喪失といった問題に悩まされない。

関連論文リスト

DANCE: Deep Learning-Assisted Analysis of Protein Sequences Using Chaos Enhanced Kaleidoscopic Images [4.824821328103934]
癌は、制御不能な細胞増殖を特徴とする複雑な疾患である。 T細胞受容体(TCR)は、癌に関連する抗原の認識において重要な役割を担っている。近年のシークエンシング技術の進歩は、TCRレパートリーの包括的なプロファイリングを促進している。
論文参考訳（メタデータ） (2024-09-10T17:55:59Z)
Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
論文参考訳（メタデータ） (2024-05-13T16:07:58Z)
Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [75.77035221531261]
Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$のオープンソースベンチマークデータセットである。 Cancer-Net PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
論文参考訳（メタデータ） (2023-11-20T10:28:52Z)
A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文参考訳（メタデータ） (2023-04-12T05:41:44Z)
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)
Fluorescence molecular optomic signatures improve identification of tumors in head and neck specimens [5.486402205751873]
組織分類のための光蛍光分子イメージングデータに放射線学的アプローチが拡張された「オプトミクス」オプトミックは、蛍光によって伝達されるEGFR発現のテクスチャパターンの違いを探索することにより、腫瘍の同定を改善することを目指している。改良された性能は、蛍光分子イメージングデータへの放射能アプローチの拡張が、蛍光誘導手術における癌検出に有望な画像解析技術を提供することを示している。
論文参考訳（メタデータ） (2022-08-29T00:06:25Z)
Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
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。
論文参考訳（メタデータ） (2022-03-23T00:58:27Z)
Random Multi-Channel Image Synthesis for Multiplexed Immunofluorescence Imaging [5.084818063609248]
多重蛍光 (MxIF) は単細胞マッピングの感度と特異性を高める新しいイメージング技術である。 pixN2N-HDと呼ばれる新しい多チャンネル高分解能画像合成手法を提案する。
論文参考訳（メタデータ） (2021-09-18T20:18:11Z)
Multi-Phase Cross-modal Learning for Noninvasive Gene Mutation Prediction in Hepatocellular Carcinoma [7.621860963237023]
多相CTスキャンを用いたAPOB, COL11A1, ATRX遺伝子の突然変異予測のためのエンドツーエンドディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2020-05-08T14:36:59Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)
Colorectal Polyp Segmentation by U-Net with Dilation Convolution [9.840695333927496]
大腸癌(英:Colorectal cancer, CRC)は、アメリカ合衆国で最も一般的に診断されるがんの1つであり、がん死の原因となっている。現在最も一般的な大腸ポリープ検出法は大腸内視鏡である。大腸ポリープセグメンテーションのための新しいエンドツーエンドディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2019-12-26T23:27:18Z)

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。