論文の概要: CoNIC Challenge: Pushing the Frontiers of Nuclear Detection,
Segmentation, Classification and Counting
- arxiv url: http://arxiv.org/abs/2303.06274v2
- Date: Tue, 14 Mar 2023 14:53:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 11:18:32.780835
- Title: CoNIC Challenge: Pushing the Frontiers of Nuclear Detection,
Segmentation, Classification and Counting
- Title(参考訳): conic challenge: 核検出、セグメンテーション、分類、数え上げのフロンティアを推進する
- Authors: Simon Graham, Quoc Dang Vu, Mostafa Jahanifar, Martin Weigert, Uwe
Schmidt, Wenhua Zhang, Jun Zhang, Sen Yang, Jinxi Xiang, Xiyue Wang, Josef
Lorenz Rumberger, Elias Baumann, Peter Hirsch, Lihao Liu, Chenyang Hong,
Angelica I. Aviles-Rivero, Ayushi Jain, Heeyoung Ahn, Yiyu Hong, Hussam
Azzuni, Min Xu, Mohammad Yaqub, Marie-Claire Blache, Beno\^it Pi\'egu,
Bertrand Vernay, Tim Scherr, Moritz B\"ohland, Katharina L\"offler, Jiachen
Li, Weiqin Ying, Chixin Wang, Dagmar Kainmueller, Carola-Bibiane Sch\"onlieb,
Shuolin Liu, Dhairya Talsania, Yughender Meda, Prakash Mishra, Muhammad
Ridzuan, Oliver Neumann, Marcel P. Schilling, Markus Reischl, Ralf Mikut,
Banban Huang, Hsiang-Chin Chien, Ching-Ping Wang, Chia-Yen Lee, Hong-Kun Lin,
Zaiyi Liu, Xipeng Pan, Chu Han, Jijun Cheng, Muhammad Dawood, Srijay
Deshpande, Raja Muhammad Saad Bashir, Adam Shephard, Pedro Costa, Jo\~ao D.
Nunes, Aur\'elio Campilho, Jaime S. Cardoso, Hrishikesh P S, Densen
Puthussery, Devika R G, Jiji C V, Ye Zhang, Zijie Fang, Zhifan Lin, Yongbing
Zhang, Chunhui Lin, Liukun Zhang, Lijian Mao, Min Wu, Vi Thi-Tuong Vo,
Soo-Hyung Kim, Taebum Lee, Satoshi Kondo, Satoshi Kasai, Pranay Dumbhare,
Vedant Phuse, Yash Dubey, Ankush Jamthikar, Trinh Thi Le Vuong, Jin Tae Kwak,
Dorsa Ziaei, Hyun Jung, Tianyi Miao, David Snead, Shan E Ahmed Raza, Fayyaz
Minhas, Nasir M. Rajpoot
- Abstract要約: 我々は、核分裂と細胞組成を評価するために、その種の最大の利用可能なデータセットを用いて、コミュニティ全体の課題をセットアップする。
大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な組織解析を行った。
腫瘍微小環境において,核および好酸球が重要な役割を担っていることが示唆された。
- 参考スコア(独自算出の注目度): 46.45578907156356
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Nuclear detection, segmentation and morphometric profiling are essential in
helping us further understand the relationship between histology and patient
outcome. To drive innovation in this area, we setup a community-wide challenge
using the largest available dataset of its kind to assess nuclear segmentation
and cellular composition. Our challenge, named CoNIC, stimulated the
development of reproducible algorithms for cellular recognition with real-time
result inspection on public leaderboards. We conducted an extensive
post-challenge analysis based on the top-performing models using 1,658
whole-slide images of colon tissue. With around 700 million detected nuclei per
model, associated features were used for dysplasia grading and survival
analysis, where we demonstrated that the challenge's improvement over the
previous state-of-the-art led to significant boosts in downstream performance.
Our findings also suggest that eosinophils and neutrophils play an important
role in the tumour microevironment. We release challenge models and WSI-level
results to foster the development of further methods for biomarker discovery.
- Abstract(参考訳): 核検出, セグメンテーション, 形態計測は, 組織学と患者の予後との関係をより深く理解する上で不可欠である。
この分野のイノベーションを推進するため,我々は,その種の最大のデータセットを使用して,核分裂と細胞構成を評価するコミュニティ全体の課題を設定した。
われわれの挑戦はCoNICと呼ばれ、公衆のリーダーボードのリアルタイムな結果検査による細胞認識のための再現可能なアルゴリズムの開発を刺激した。
大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な解析を行った。
7億個の検出された核がモデルごとに検出され、関連する特徴がdysplasia gradingとサバイバル分析に使われ、前回の最先端技術に対するチャレンジの改善が下流のパフォーマンスを著しく向上させたことを実証した。
また, 好酸球および好中球が腫瘍微小環境において重要な役割を担っていることも示唆された。
我々は, バイオマーカー発見のためのさらなる手法の開発を促進するために, 挑戦モデルとwsiレベルの結果をリリースする。
関連論文リスト
- Comparative analysis of deep learning approaches for AgNOR-stained
cytology samples interpretation [52.77024349608834]
本稿では, 深層学習手法を用いて, 好気性ヌクレオラオーガナイザ領域 (AgNOR) 染色スライダを解析する方法を提案する。
以上の結果から,バックボーンとしてResNet-18やResNet-34を用いたU-Netを用いたセマンティックセマンティックセマンティックセマンティクスは類似した結果を示す。
最も優れたモデルは、それぞれ0.83、0.92、0.99の核、クラスター、衛星のIoUを示す。
論文 参考訳(メタデータ) (2022-10-19T15:15:32Z) - Nuclei & Glands Instance Segmentation in Histology Images: A Narrative
Review [0.5893124686141781]
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。
論文 参考訳(メタデータ) (2022-08-26T06:52:15Z) - Nuclei panoptic segmentation and composition regression with multi-task
deep neural networks [0.12183405753834559]
本報告では,Crocol Nuclei Identification and Counting (CoNIC) に提案した手法について述べる。
提案手法では, マルチタスク学習フレームワークを用いて, 単視分割タスクと回帰タスクを実行する。
パノプティカルセグメンテーションタスクでは、エンコーダ-デコーダ型ディープニューラルネットワークを用いて方向マップとセグメンテーションマップを予測し、近隣の核を異なるインスタンスに分割する。
論文 参考訳(メタデータ) (2022-02-23T22:09:37Z) - CoNIC: Colon Nuclei Identification and Counting Challenge 2022 [5.23834975053771]
大腸核の同定とカウント(CoNIC)の課題を整理する。
研究者は、核のセグメンテーション、分類、カウントを行うアルゴリズムを開発することを奨励する。
この課題の一環として、各入力アルゴリズムの感度を特定の入力変動に対してテストする。
論文 参考訳(メタデータ) (2021-11-29T12:06:47Z) - Multimodal PET/CT Tumour Segmentation and Prediction of Progression-Free
Survival using a Full-Scale UNet with Attention [0.8138288420049126]
MICCAI 2021 ヘッドとネックタマ (HECKTOR) セグメンテーションと結果予測の課題は、セグメンテーション法を比較するためのプラットフォームを作成する。
腫瘍容積セグメンテーションのために複数のニューラルネットワークを訓練し,これらのセグメンテーションを組込み,平均Dice類似度係数0.75をクロスバリデーションで達成した。
患者進行自由生存の予測のために,臨床,放射線学,深層学習機能を組み合わせたCox比例的ハザード回帰法を提案する。
論文 参考訳(メタデータ) (2021-11-06T10:28:48Z) - PointNu-Net: Simultaneous Multi-tissue Histology Nuclei Segmentation and
Classification in the Clinical Wild [23.741370813922405]
ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。
本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
論文 参考訳(メタデータ) (2021-11-01T08:29:40Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - Predicting Clinical Diagnosis from Patients Electronic Health Records
Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。
本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。
約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文 参考訳(メタデータ) (2020-07-15T09:22:55Z) - 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) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。