論文の概要: ACROBAT -- a multi-stain breast cancer histological whole-slide-image
data set from routine diagnostics for computational pathology
- arxiv url: http://arxiv.org/abs/2211.13621v1
- Date: Thu, 24 Nov 2022 14:16:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 15:51:39.306685
- Title: ACROBAT -- a multi-stain breast cancer histological whole-slide-image
data set from routine diagnostics for computational pathology
- Title（参考訳）: ACROBAT -- 計算病理のための定期診断から得られた多段階乳がん組織学的全スライディング画像データセット
- Authors: Philippe Weitz, Masi Valkonen, Leslie Solorzano, Circe Carr, Kimmo
Kartasalo, Constance Boissin, Sonja Koivukoski, Aino Kuusela, Dusan Rasic,
Yanbo Feng, Sandra Kristiane Sinius Pouplier, Abhinav Sharma, Kajsa Ledesma
Eriksson, Leena Latonen, Anne-Vibeke Laenkholm, Johan Hartman, Pekka
Ruusuvuori, Mattias Rantalainen
- Abstract要約: ハエマトキシリンおよびエオシン (H&E) を染色したFFPE組織分画の解析は, 外科切除乳癌検体における病理学的評価に欠かせない部分である。
このデータセットは、計算病理学研究の様々な方法を可能にする可能性を秘めている。
- 参考スコア（独自算出の注目度）: 1.6619031082709266
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The analysis of FFPE tissue sections stained with haematoxylin and eosin
(H&E) or immunohistochemistry (IHC) is an essential part of the pathologic
assessment of surgically resected breast cancer specimens. IHC staining has
been broadly adopted into diagnostic guidelines and routine workflows to
manually assess status and scoring of several established biomarkers, including
ER, PGR, HER2 and KI67. However, this is a task that can also be facilitated by
computational pathology image analysis methods. The research in computational
pathology has recently made numerous substantial advances, often based on
publicly available whole slide image (WSI) data sets. However, the field is
still considerably limited by the sparsity of public data sets. In particular,
there are no large, high quality publicly available data sets with WSIs of
matching IHC and H&E-stained tissue sections. Here, we publish the currently
largest publicly available data set of WSIs of tissue sections from surgical
resection specimens from female primary breast cancer patients with matched
WSIs of corresponding H&E and IHC-stained tissue, consisting of 4,212 WSIs from
1,153 patients. The primary purpose of the data set was to facilitate the
ACROBAT WSI registration challenge, aiming at accurately aligning H&E and IHC
images. For research in the area of image registration, automatic quantitative
feedback on registration algorithm performance remains available through the
ACROBAT challenge website, based on more than 37,000 manually annotated
landmark pairs from 13 annotators. Beyond registration, this data set has the
potential to enable many different avenues of computational pathology research,
including stain-guided learning, virtual staining, unsupervised pre-training,
artefact detection and stain-independent models.
- Abstract（参考訳）: ハエマトキシリンおよびエオシン(H&E)または免疫組織化学(IHC)で染色したFFPE組織分画の分析は、外科切除乳癌検体における病理学的評価の重要な部分である。
IHC染色は、ER、PGR、HER2、KI67を含むいくつかの確立されたバイオマーカーの状態を手動で評価するための診断ガイドラインとルーチンワークフローに広く採用されている。
しかし、これは計算病理画像解析法によっても容易になる課題である。
計算病理学の研究は、しばしば一般に利用可能な全スライド画像(WSI)データセットに基づいて、多くの大きな進歩を遂げた。
しかし、フィールドは公開データセットの空間性によって依然としてかなり制限されている。
特に、IHC と H&E 染色組織セクションに適合する WSI を備えた、大規模で高品質な公開データセットは存在しない。
当科では,H&EおよびIHC染色組織に適合した女性原発性乳癌手術例の組織部分のWSIを,1,153例の4,212個のWSIを用いて,現在最大規模で公開しているデータセットを公表する。
データセットの主な目的は、ACROBAT WSI登録チャレンジの促進であり、H&EとIHCの画像を正確に調整することであった。
画像登録の分野では、13のアノテータから37,000以上の手動でアノテートされたランドマークペアに基づいて、ACROBATチャレンジウェブサイトを通じて、登録アルゴリズムのパフォーマンスに関する自動量的フィードバックが利用可能である。
登録以外にも、このデータセットは、染色誘導学習、仮想染色、教師なし事前学習、アーティファクト検出、染色非依存モデルなど、様々な計算病理研究を可能にする可能性がある。
関連論文リスト
- Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - An Empirical Analysis for Zero-Shot Multi-Label Classification on
COVID-19 CT Scans and Uncurated Reports [0.5527944417831603]
パンデミックは、医学検査の増加により、放射線学の報告を含む、膨大な構造化されていないデータのリポジトリに繋がった。
新型コロナウイルスの自動診断に関するこれまでの研究は、CT(Computed tomography)スキャンと比較して精度が低いにもかかわらず、主にX線画像に焦点を当てていた。
本研究では,病院の非構造データを活用し,CTスキャンによって提供される細かな細部を利用して,対照的な視覚言語学習に基づくゼロショット多ラベル分類を行う。
論文 参考訳（メタデータ） (2023-09-04T17:58:01Z) - CARE: A Large Scale CT Image Dataset and Clinical Applicable Benchmark
Model for Rectal Cancer Segmentation [8.728236864462302]
CT画像の直腸癌セグメンテーションは、タイムリーな臨床診断、放射線治療、経過観察において重要な役割を担っている。
これらの障害は直腸の複雑な解剖学的構造と直腸癌の鑑別診断の困難から生じる。
これらの課題に対処するため,本研究では,正常直腸と癌直腸の両方にピクセルレベルのアノテーションを付加した,新しい大規模直腸癌CT画像データセットCAREを導入する。
また,U-SAMと命名された新しい癌病変セグメンテーションベンチマークモデルを提案する。
このモデルは、迅速な情報を取り入れることで、腹部器官の複雑な解剖学的構造によって引き起こされる課題に対処するように設計されている。
論文 参考訳（メタデータ） (2023-08-16T10:51:27Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - BRACS: A Dataset for BReAst Carcinoma Subtyping in H&E Histology Images [4.974822167947921]
BReAst Carcinoma Subtyping dataset, a large cohort of annotated Hematoxylin & Eosin (H&E)-stained image to help the characterized of breast lesions。
BRACSには、WSIsから抽出された547個の全スライド画像(WSI)と4539個の関心領域(ROI)が含まれている。
論文 参考訳（メタデータ） (2021-11-08T15:04:16Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Automated risk classification of colon biopsies based on semantic
segmentation of histopathology images [4.144141972397873]
本稿では,大腸病理組織像の自動評価における2つの大きな課題に対処するアプローチを提案する。
まず,H&E-Stained whole-slide画像中の複数の組織を分割するAIを用いた手法を提案する。
第2に、コンピュータ支援診断システムの基盤として、最高のAIモデルを使用する。
論文 参考訳（メタデータ） (2021-09-16T11:50:10Z) - BS-Net: learning COVID-19 pneumonia severity on a large Chest X-Ray
dataset [6.5800499500032705]
我々は、Chest X-rays画像(CXR)に基づいて、新型コロナウイルス患者の肺妥協の度合いを判定するエンド・ツー・エンドのディープラーニングアーキテクチャを設計する。
当院で収集した約5,000個のCXR注釈画像の臨床的データセットを利用して検討した。
私たちのソリューションは、評価精度と一貫性において、一人のアノテータよりも優れています。
論文 参考訳（メタデータ） (2020-06-08T13:55:58Z) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳（メタデータ） (2020-05-27T06:58:39Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。
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。