論文の概要: Nuclei & Glands Instance Segmentation in Histology Images: A Narrative
Review
- arxiv url: http://arxiv.org/abs/2208.12460v1
- Date: Fri, 26 Aug 2022 06:52:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-29 13:24:29.465878
- Title: Nuclei & Glands Instance Segmentation in Histology Images: A Narrative
Review
- Title(参考訳): 組織像における核と腺のインスタンス分割--物語的考察
- Authors: Esha Sadia Nasir, Arshi Perviaz, Muhammad Moazam Fraz
- Abstract要約: 組織像における核と腺のセグメンテーションは、計算病理のワークフローにおいて重要なステップである。
現代的なハードウェアの出現により、大規模で高品質な公開データセットが最近利用可能になり、組織化された大きな課題が自動化メソッドの急増に遭遇した。
この調査では,過去5年~2022年に公表された,原子核と腺のセグメンテーションに関するAIベースの手法を解説した126の論文を深く分析した。
- 参考スコア(独自算出の注目度): 0.5893124686141781
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Instance segmentation of nuclei and glands in the histology images is an
important step in computational pathology workflow for cancer diagnosis,
treatment planning and survival analysis. With the advent of modern hardware,
the recent availability of large-scale quality public datasets and the
community organized grand challenges have seen a surge in automated methods
focusing on domain specific challenges, which is pivotal for technology
advancements and clinical translation. In this survey, 126 papers illustrating
the AI based methods for nuclei and glands instance segmentation published in
the last five years (2017-2022) are deeply analyzed, the limitations of current
approaches and the open challenges are discussed. Moreover, the potential
future research direction is presented and the contribution of state-of-the-art
methods is summarized. Further, a generalized summary of publicly available
datasets and a detailed insights on the grand challenges illustrating the top
performing methods specific to each challenge is also provided. Besides, we
intended to give the reader current state of existing research and pointers to
the future directions in developing methods that can be used in clinical
practice enabling improved diagnosis, grading, prognosis, and treatment
planning of cancer. To the best of our knowledge, no previous work has reviewed
the instance segmentation in histology images focusing towards this direction.
- Abstract(参考訳): 病理組織像における核と腺の分節化は、癌診断、治療計画、生存分析のための計算病理ワークフローの重要なステップである。
現代のハードウェアが登場し、最近の大規模な高品質な公開データセットが利用可能になり、コミュニティが大きな課題を組織したことにより、ドメイン固有の課題に焦点を当てた自動化メソッドが急増した。
本稿では,過去5年間(2017~2022年)に公表された,aiに基づく核と腺のインスタンス分割法を解説した126の論文を深く分析し,現在のアプローチの限界と課題について考察した。
さらに,今後の研究の方向性を示唆し,最先端手法の貢献をまとめる。
さらに、公開されているデータセットの一般化された要約と、各チャレンジに特有のトップパフォーマンスメソッドを示す大きな課題に関する詳細な洞察を提供する。
また, がんの診断, グレーディング, 予後, および治療計画を改善するために, 臨床実践で使用できる手法の開発に向けて, 既存の研究の現状と今後の方向性を, 読者に示すことを意図した。
私たちの知る限りでは、この方向に焦点を当てたヒストロジー画像のインスタンスセグメンテーションをレビューしたことはない。
関連論文リスト
- Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。
ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
論文 参考訳(メタデータ) (2024-09-16T03:05:11Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳(メタデータ) (2024-05-21T06:44:40Z) - AI in Thyroid Cancer Diagnosis: Techniques, Trends, and Future
Directions [3.2071249735671348]
本報告では, 甲状腺癌の診断に使用される人工知能(AI)技術に関する大量の論文を要約する。
この研究は、教師なし、教師なし、またはハイブリッド技術を通じて、AIベースのツールが甲状腺癌の診断と治療をどのようにサポートするかに焦点を当てている。
論文 参考訳(メタデータ) (2023-08-25T17:27:53Z) - Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
緑内障は世界中で不可逆的な盲目の原因となっている。
コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。
眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
論文 参考訳(メタデータ) (2023-07-31T09:49:51Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳(メタデータ) (2023-07-30T16:08:45Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳(メタデータ) (2022-11-18T03:26:31Z) - Recent advances and clinical applications of deep learning in medical
image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。
特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文 参考訳(メタデータ) (2021-05-27T18:05:12Z) - Gesture Recognition in Robotic Surgery: a Review [16.322875532481326]
本稿では,ロボット手術におけるきめ細かいジェスチャーの自動認識技術について概説する。
研究分野は急速に拡大しており、記事の大半は過去4年間に掲載されている。
論文 参考訳(メタデータ) (2021-01-29T19:13:13Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳(メタデータ) (2020-03-23T14:35:08Z) - Deep neural network models for computational histopathology: A survey [1.2891210250935146]
深層学習は がん組織像の分析と解釈において 主流の方法論選択となりました
本稿では,現在使われている最先端の深層学習手法について概説する。
私たちは、現在のディープラーニングアプローチにおける重要な課題と制限と、将来の研究への道のりを強調します。
論文 参考訳(メタデータ) (2019-12-28T01:04:25Z)
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。