論文の概要: A comparative evaluation of image-to-image translation methods for stain transfer in histopathology

• arxiv url: http://arxiv.org/abs/2303.17009v1
• Date: Wed, 29 Mar 2023 20:27:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 15:13:54.980043
• Title: A comparative evaluation of image-to-image translation methods for stain transfer in histopathology
• Title（参考訳）: 病理組織学における画像から画像への変換法の比較評価
• Authors: Igor Zingman, Sergio Frayle, Ivan Tankoyeu, Segrey Sukhanov, Fabian Heinemann
• Abstract要約: 画像から画像への変換(I2I)法では、オリジナル画像の内容を共有するが、異なるスタイルの人工画像を生成することができる。 I2I法は、異なるタイプの染色からシリカ染色組織の人工像を生成するためにも用いられた。 GANに基づく画像処理法では,12の染色転移法を比較し,その内3つの手法が従来手法と9つの手法に基づいている。
• 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: Image-to-image translation (I2I) methods allow the generation of artificial images that share the content of the original image but have a different style. With the advances in Generative Adversarial Networks (GANs)-based methods, I2I methods enabled the generation of artificial images that are indistinguishable from natural images. Recently, I2I methods were also employed in histopathology for generating artificial images of in silico stained tissues from a different type of staining. We refer to this process as stain transfer. The number of I2I variants is constantly increasing, which makes a well justified choice of the most suitable I2I methods for stain transfer challenging. In our work, we compare twelve stain transfer approaches, three of which are based on traditional and nine on GAN-based image processing methods. The analysis relies on complementary quantitative measures for the quality of image translation, the assessment of the suitability for deep learning-based tissue grading, and the visual evaluation by pathologists. Our study highlights the strengths and weaknesses of the stain transfer approaches, thereby allowing a rational choice of the underlying I2I algorithms. Code, data, and trained models for stain transfer between H&E and Masson's Trichrome staining will be made available online.
• Abstract（参考訳）: image-to-image translation (i2i) メソッドは、オリジナル画像の内容を共有するが異なるスタイルを持つ人工画像を生成することができる。 GAN(Generative Adversarial Networks)ベースの手法の進歩により、I2I法は自然画像と区別できない人工画像の生成を可能にした。 病理組織学においてもi2i法が用いられており,in silico染色組織から異なる染色形態の人工画像を生成する。 この過程を染色転移と呼ぶ。 I2Iの変種数は常に増加しており、染色輸送に最も適したI2I法を適切に選択することが困難である。 本研究では,従来の3つのステンドトランスファー法と,ganベースの画像処理法を併用した9つのステンドトランスファー法を比較した。 この分析は、画像翻訳の品質、深層学習に基づく組織評価の適性の評価、および病理医による視覚的評価の相補的な定量的尺度に依存する。 本研究は,汚れ移動アプローチの強みと弱みを強調し,基礎となるi2iアルゴリズムの合理的な選択を可能にした。 H&EとMassonのTrichrome染色の間の染色のコード、データ、訓練されたモデルがオンラインで提供される。

関連論文リスト

• Automated Localization of Blood Vessels in Retinal Images [0.0]
  健康な網膜像と不健康な網膜像の両方を扱う2つの方法を分析した。 最初のステップでは、明るい病変の影響を減らすためにアルゴリズムが使用される。 第2のステップでは、ライン状の血管構造を局在させるために、マルチスケールのライン演算子が使用される。
  論文  参考訳（メタデータ） (2023-10-22T21:05:55Z)
• BiomedJourney: Counterfactual Biomedical Image Generation by Instruction-Learning from Multimodal Patient Journeys [99.7082441544384]
  本稿では,インストラクション学習によるバイオメディカル画像生成のための新しい手法であるBiomedJourneyを紹介する。 我々は、GPT-4を用いて、対応する画像レポートを処理し、疾患進行の自然言語記述を生成する。 得られた三重項は、反現実的なバイオメディカル画像生成のための潜伏拡散モデルを訓練するために使用される。
  論文  参考訳（メタデータ） (2023-10-16T18:59:31Z)
• Color Deconvolution applied to Domain Adaptation in HER2 histopathological images [0.0]
  乳癌組織におけるHER2染色画像における色正規化問題に対する新しいアプローチを提案する。 我々は、カラーデコンボリューション技術とPix2Pix GANネットワークを組み合わせることで、異なるHER2染色ブランド間の色変化を補正する新しいアプローチを提案する。 本手法は,HER2解析において重要な変換画像中の細胞のHER2スコアの維持に焦点をあてる。
  論文  参考訳（メタデータ） (2023-05-12T12:05:11Z)
• Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
  近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。 我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
  論文  参考訳（メタデータ） (2023-04-02T10:25:09Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• IMAGINE: Image Synthesis by Image-Guided Model Inversion [79.4691654458141]
  IMGE-Guided Model INvErsion (IMAGINE) と呼ばれるインバージョンベースの手法を導入し、高品質で多様な画像を生成します。 我々は,事前学習した分類器から画像意味論の知識を活用し,妥当な世代を実現する。 IMAGINEは,1)合成中の意味的特異性制約を同時に実施し,2)ジェネレータトレーニングなしでリアルな画像を生成し,3)生成過程を直感的に制御する。
  論文  参考訳（メタデータ） (2021-04-13T02:00:24Z)
• Pix2Pix-based Stain-to-Stain Translation: A Solution for Robust Stain Normalization in Histopathology Images Analysis [5.33024001730262]
  Stain-to-Stain Translation (STST) はヘマトキシリンおよびエオシン染色組織像の正常化に用いられている。 条件付きジェネレータ対向ネットワーク(cGAN)を用いたピクス2ピクセルフレームワークに基づく翻訳処理を行う。
  論文  参考訳（メタデータ） (2020-02-03T11:19:01Z)

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。