論文の概要: LYSTO: The Lymphocyte Assessment Hackathon and Benchmark Dataset
- arxiv url: http://arxiv.org/abs/2301.06304v2
- Date: Thu, 13 Apr 2023 15:05:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 20:25:21.571725
- Title: LYSTO: The Lymphocyte Assessment Hackathon and Benchmark Dataset
- Title（参考訳）: LYSTO: リンパ球アセスメントハッカソンとベンチマークデータセット
- Authors: Yiping Jiao, Jeroen van der Laak, Shadi Albarqouni, Zhang Li, Tao Tan,
Abhir Bhalerao, Jiabo Ma, Jiamei Sun, Johnathan Pocock, Josien P.W. Pluim,
Navid Alemi Koohbanani, Raja Muhammad Saad Bashir, Shan E Ahmed Raza, Sibo
Liu, Simon Graham, Suzanne Wetstein, Syed Ali Khurram, Thomas Watson, Nasir
Rajpoot, Mitko Veta, Francesco Ciompi
- Abstract要約: シェンゼンで開催されたMICCAI 2019 Conferenceと共同で開催したlySTO, the Lymphocyte Assessment Hackathonについて紹介する。
このコンペティションでは、CD3とCD8化学で染色された大腸癌、乳がん、前立腺がんの組織像において、リンパ球、特にT細胞の数を自動的に評価する必要があった。
ハッカソンの後、LYSTOは軽量なプラグイン・アンド・プレイベンチマークデータセットとして、自動評価プラットフォームとともにグランドチャレンゲのウェブサイトに残された。
- 参考スコア（独自算出の注目度）: 16.265482903238492
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce LYSTO, the Lymphocyte Assessment Hackathon, which was held in
conjunction with the MICCAI 2019 Conference in Shenzen (China). The competition
required participants to automatically assess the number of lymphocytes, in
particular T-cells, in histopathological images of colon, breast, and prostate
cancer stained with CD3 and CD8 immunohistochemistry. Differently from other
challenges setup in medical image analysis, LYSTO participants were solely
given a few hours to address this problem. In this paper, we describe the goal
and the multi-phase organization of the hackathon; we describe the proposed
methods and the on-site results. Additionally, we present post-competition
results where we show how the presented methods perform on an independent set
of lung cancer slides, which was not part of the initial competition, as well
as a comparison on lymphocyte assessment between presented methods and a panel
of pathologists. We show that some of the participants were capable to achieve
pathologist-level performance at lymphocyte assessment. After the hackathon,
LYSTO was left as a lightweight plug-and-play benchmark dataset on
grand-challenge website, together with an automatic evaluation platform. LYSTO
has supported a number of research in lymphocyte assessment in oncology. LYSTO
will be a long-lasting educational challenge for deep learning and digital
pathology, it is available at https://lysto.grand-challenge.org/.
- Abstract（参考訳）: シェンゼンで開催されたMICCAI 2019 Conferenceと共同で開催したLYSTO, Lymphocyte Assessment Hackathonを紹介する。
このコンペでは、cd3およびcd8免疫組織化学で染色された大腸癌、乳がん、前立腺の病理組織像において、リンパ球、特にt細胞数を自動的に評価する必要があった。
医療画像解析における他の課題とは異なり、LYSTOの参加者はこの問題に対処するために数時間しか与えられなかった。
本稿では,ハッカソンの目的と多段階の組織について述べ,提案手法と現場結果について述べる。
また, 本研究は, 肺がんスライドの独立群において, 初期競合に含まれない手法がどのように機能するか, ならびに, 提示方法と病理組織学的パネルとのリンパ球アセスメントの比較を行った後, 比較検討結果を示す。
リンパ球評価において病理学レベルを達成できた参加者もいた。
ハッカソンの後、LYSTOは軽量なプラグイン・アンド・プレイベンチマークデータセットとして、自動評価プラットフォームとともにグランドチャレンゲのウェブサイトに残された。
LYSTOは、腫瘍学におけるリンパ球評価に関する多くの研究を支持している。
lystoはディープラーニングとデジタル病理学の長年にわたる教育課題であり、https://lysto.grand-challenge.org/で入手できる。
関連論文リスト
- Lymphoid Infiltration Assessment of the Tumor Margins in H&E Slides [1.715270928578365]
腫瘍縁部リンパ管浸潤は固形腫瘍の予後マーカーとして重要である。
現在の評価手法は、非常に依存的なオンケミカルであり、腫瘍マージンのデライン化の課題に直面している。
本稿では,高度リンパ球分画モデルに基づくHematoxylin and Eosin(H&E)染色法を提案する。
論文 参考訳（メタデータ） (2024-07-23T13:27:44Z) - Mask the Unknown: Assessing Different Strategies to Handle Weak Annotations in the MICCAI2023 Mediastinal Lymph Node Quantification Challenge [2.1994532511228773]
MICCAI 2023 Lymph Node Quantification Challengeは、縦隔の病理リンパ節分節に関する最初の公開データセットを発表した。
リンパ節アノテーションは高価であるため、この課題は、トレーニングセット内のすべてのリンパ節のサブセットだけが注釈付けされている弱い教師付き学習タスクとして形成された。
課題として,ノイズラベルトレーニングやラベルなしデータの損失マスキング,TotalSegmentatorツールボックスを擬似ラベリングの形式として組み込んだアプローチなど,弱教師付きデータのトレーニング方法が検討された。
提案したモデルではDiceスコアが0.628、平均対称表面距離が0.628に達した。
論文 参考訳（メタデータ） (2024-06-20T14:38:33Z) - MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - A Nasal Cytology Dataset for Object Detection and Deep Learning [0.0]
NCD (Nasal Cytology dataset) というサイ細胞野画像の最初のデータセットを提示する。
鼻粘膜に分布する細胞型の実際の分布は複製され、臨床患者のスライドから画像を集め、それぞれの細胞に手動で注釈を付ける。
この研究は、鼻粘膜細胞の自動検出と分類を支援する新しい機械学習ベースのアプローチを提案することで、オープンな課題のいくつかに寄与する。
論文 参考訳（メタデータ） (2024-04-21T19:02:38Z) - Meply: A Large-scale Dataset and Baseline Evaluations for Metastatic Perirectal Lymph Node Detection and Segmentation [10.250943622693429]
今回,Meply という大規模な直腸転移性リンパ節CT画像データセットを初めて紹介した。
本稿では,新しいリンパ節分節モデルであるCoSAMを紹介する。
CoSAMは、直腸癌における転移性リンパ節の分節を誘導する配列に基づく検出を利用する。
論文 参考訳（メタデータ） (2024-04-13T07:30:16Z) - Hitchhiker's guide to cancer-associated lymphoid aggregates in histology
images: manual and deep learning-based quantification approaches [1.8074283261183142]
リンパ性集合体の定量化は、予後および予測的組織バイオマーカーを開発するための有望なアプローチである。
本稿では,ヘマトキシリンやエオシン染色などの定期的な病理組織から組織部分のリンパ性集合体を同定するための推奨事項について述べる。
我々は最近,HookNet-TLSと呼ばれる深層学習に基づくアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-03-06T15:32:05Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS)
Benchmark [48.30502612686276]
肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。
現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。
2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。
簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
論文 参考訳（メタデータ） (2022-01-03T03:06:38Z) - 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) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。