論文の概要: Learning Melanocytic Cell Masks from Adjacent Stained Tissue

• arxiv url: http://arxiv.org/abs/2211.00646v4
• Date: Wed, 13 Mar 2024 20:10:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-16 03:23:03.676987
• Title: Learning Melanocytic Cell Masks from Adjacent Stained Tissue
• Title（参考訳）: 隣接染色組織からメラノサイトーシス細胞マスクを学習する
• Authors: Mikio Tada, Ursula E. Lang, Iwei Yeh, Elizabeth S. Keiser, Maria L. Wei, Michael J. Keiser,
• Abstract要約: メラノーマは最も攻撃的な皮膚がんの1つであり、皮膚がんの死亡率が高い。 メラノーマはメラノサイト癌であるため、メラノサイト細胞分画ツールを開発する必要がある。 ヘマトキシリンおよびエオシン染色部位からのメラノサイトーシス細胞分画のためのディープニューラルネットワークの訓練方法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Melanoma is one of the most aggressive forms of skin cancer, causing a large proportion of skin cancer deaths. However, melanoma diagnoses by pathologists shows low interrater reliability. As melanoma is a cancer of the melanocyte, there is a clear need to develop a melanocytic cell segmentation tool that is agnostic to pathologist variability and automates pixel-level annotation. Gigapixel-level pathologist labeling, however, is impractical. Herein, we propose a means to train deep neural networks for melanocytic cell segmentation from hematoxylin and eosin (H&E) stained sections and paired immunohistochemistry (IHC) of adjacent tissue sections, achieving a mean IOU of 0.64 despite imperfect ground-truth labels.
• Abstract（参考訳）: メラノーマは最も攻撃的な皮膚がんの1つであり、皮膚がんの死亡率が高い。 しかし,病理医によるメラノーマ診断では,信頼性は低い。 メラノーマはメラノーマの癌であるため、病理組織学的変異によらないメラノサイト細胞分画ツールを開発し、ピクセルレベルのアノテーションを自動化する必要がある。 しかし、ギガピクセルレベルの病理学ラベル付けは実用的ではない。 本稿では,ヘマトキシリンとエオシン(H&E)染色片からメラノサイト細胞セグメンテーションのためのディープニューラルネットワークを訓練する方法と,隣接する組織部位の免疫組織化学(IHC)を併用する方法を提案する。

関連論文リスト

• Robust Melanoma Thickness Prediction via Deep Transfer Learning enhanced by XAI Techniques [39.97900702763419]
  本研究は,メラノーマの深さを測定するために皮膚内視鏡像の解析に焦点をあてる。 顆粒層の上部から腫瘍浸潤の最も深い地点まで測定されたブレスロー深さは、黒色腫のステージングと治療決定の指針となる重要なパラメータである。 ISICやプライベートコレクションを含むさまざまなデータセットが使用され、合計で1162枚の画像が含まれている。 その結果, 従来の手法に比べて, モデルが大幅に改善された。
  論文  参考訳（メタデータ） (2024-06-19T11:07:55Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Classification of Melanocytic Nevus Images using BigTransfer (BiT) [0.0]
  メラノーマ性ネビは成熟し、致命的な黒色腫を引き起こす。 現在の管理プロトコルでは、脅迫的に見えるネビを除去する。 早期診断はメラノサイトネビ分類のための信頼性の高い自動化システムを必要とする。
  論文  参考訳（メタデータ） (2022-11-21T21:53:43Z)
• A Comparative Analysis of Transfer Learning-based Techniques for the Classification of Melanocytic Nevi [0.0]
  皮膚細胞中の脱オキシリボ核酸 (DNA) は皮膚に遺伝的欠陥を生じ、皮膚がんを引き起こす。 病変特異的基準を用いて良性皮膚癌と悪性黒色腫を鑑別する。 5つのトランスファーラーニングに基づく技術は、メラノサイトネビの分類に活用される可能性がある。
  論文  参考訳（メタデータ） (2022-11-20T12:55:42Z)
• Melanoma Skin Cancer and Nevus Mole Classification using Intensity Value Estimation with Convolutional Neural Network [0.0]
  メラノーマ皮膚がんは最も危険で致命的ながんの一つである。 紫外線への曝露は皮膚細胞のDNAを損傷し、メラノーマ皮膚がんを引き起こす。 未熟期の悪性黒色腫とnevus moleの検出・分類は困難である。
  論文  参考訳（メタデータ） (2022-09-30T13:35:24Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• 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)
• Melatect: A Machine Learning Model Approach For Identifying Malignant Melanoma in Skin Growths [0.0]
  悪性黒色腫(英: Malignant melanoma)は、転移前に悪性黒色腫が元の部位から離れた臓器で発生する一般的な皮膚がんである。 本稿では悪性黒色腫を同定する機械学習モデルであるMelatectを提案する。
  論文  参考訳（メタデータ） (2021-09-07T20:05:08Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images [40.743870665742975]
  悪性黒色腫自動診断のための既存の皮膚科医は、病変の単一点像に基づいている。 そこで本研究では,連続した皮膚内視鏡像を用いたメラノーマ診断のための自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-19T04:08:22Z)
• Detector-SegMentor Network for Skin Lesion Localization and Segmentation [0.0]
  メラノーマ(Melanoma)は、早期に未診断となった皮膚がんの一種である。 本稿では,ネットワーク・イン・ネットワーク・コンボリューション・ニューラルネットワークによる皮膚病変のセグメンテーションを提案する。
  論文  参考訳（メタデータ） (2020-05-13T19:41:27Z)

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。