論文の概要: Computational Pathology: A Survey Review and The Way Forward
- arxiv url: http://arxiv.org/abs/2304.05482v1
- Date: Tue, 11 Apr 2023 20:28:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 16:55:35.266567
- Title: Computational Pathology: A Survey Review and The Way Forward
- Title（参考訳）: 計算病理学 : サーベイレビューと今後の展開
- Authors: Mahdi S. Hosseini, Babak Ehteshami Bejnordi, Vincent Quoc-Huy Trinh,
Danial Hasan, Xingwen Li, Taehyo Kim, Haochen Zhang, Theodore Wu, Kajanan
Chinniah, Sina Maghsoudlou, Ryan Zhang, Stephen Yang, Jiadai Zhu, Lyndon
Chan, Samir Khaki, Andrei Buin, Fatemeh Chaji, Ala Salehi, Alejandra Zambrano
Luna, Bich Ngoc Nguyen, Dimitris Samaras and Konstantinos N. Plataniotis
- Abstract要約: コンピュータ病理学(Computational Pathology, CoPath)は、医学的な病理組織像を解析・モデル化するための計算手法の開発を強化する学際科学である。
CoPathの主な目的は、臨床病理の補助CADシステムとして、インフラとデジタル診断を開発することである。
- 参考スコア（独自算出の注目度）: 78.73258798345003
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational Pathology (CoPath) is an interdisciplinary science that
augments developments of computational approaches to analyze and model medical
histopathology images. The main objective for CoPath is to develop
infrastructure and workflows of digital diagnostics as an assistive CAD system
for clinical pathology facilitating transformational changes in the diagnosis
and treatment of cancer diseases. With evergrowing developments in deep
learning and computer vision algorithms, and the ease of the data flow from
digital pathology, currently CoPath is witnessing a paradigm shift. Despite the
sheer volume of engineering and scientific works being introduced for cancer
image analysis, there is still a considerable gap of adopting and integrating
these algorithms in clinical practice. This raises a significant question
regarding the direction and trends that are undertaken in CoPath. In this
article we provide a comprehensive review of more than 700 papers to address
the challenges faced in problem design all-the-way to the application and
implementation viewpoints. We have catalogued each paper into a model-card by
examining the key works and challenges faced to layout the current landscape in
CoPath. We hope this helps the community to locate relevant works and
facilitate understanding of the field's future directions. In a nutshell, we
oversee the CoPath developments in cycle of stages which are required to be
cohesively linked together to address the challenges associated with such
multidisciplinary science. We overview this cycle from different perspectives
of data-centric, model-centric, and application-centric problems. We finally
sketch remaining challenges and provide directions for future technical
developments and clinical integration of CoPath.
- Abstract（参考訳）: コンピュータ病理学(Computational Pathology, CoPath)は、医学的な病理組織像を解析・モデル化するための計算手法の開発を強化する学際科学である。
CoPathの主な目的は、がん疾患の診断と治療の変容を促進する臨床病理の補助CADシステムとして、デジタル診断の基盤とワークフローを開発することである。
ディープラーニングとコンピュータビジョンのアルゴリズムの発展と、デジタル病理学からのデータのフローの容易化により、copathは現在、パラダイムシフトを目撃している。
がん画像解析のためのエンジニアリングと科学的研究が数多く導入されているにもかかわらず、これらのアルゴリズムを臨床実践に適用し、統合することには、依然としてかなりのギャップがある。
これは、copathで実行される方向と傾向に関する重要な疑問を提起する。
本稿では,700以上の論文の包括的レビューを行い,アプリケーションや実装の観点から問題設計が直面する課題について述べる。
われわれは各論文をモデルカードに分類し、CoPathの現在の景観をレイアウトする上で直面する重要な作業と課題を調査した。
コミュニティが関連する作業を見つけ出し、フィールドの今後の方向性を理解するのに役立つことを願っています。
簡単に言えば、このような多分野科学にまつわる課題に対処するために、結合的にリンクする必要がある段階の周期でCoPathの発展を監督する。
データ中心、モデル中心、アプリケーション中心のさまざまな問題の観点から、このサイクルを概観する。
最終的に、残った課題をスケッチし、今後の技術的発展とCoPathの臨床的統合の方向性を提供する。
関連論文リスト
- Anatomy-guided Pathology Segmentation [56.883822515800205]
本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。
我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。
これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
論文 参考訳（メタデータ） (2024-07-08T11:44:15Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Systematic Mapping Protocol -- UX Design role in software development
process [55.2480439325792]
ソフトウェア開発プロセスにおけるUXデザイナの役割を調べるための体系的なマッピングプロトコルを提案する。
本研究は,地図作成に使用する研究課題,スコープ,ソース,検索戦略,選択基準,データ抽出,分析方法を定義する。
論文 参考訳（メタデータ） (2024-02-20T16:56:46Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - Domain Generalization in Computational Pathology: Survey and Guidelines [2.790591243289254]
アウト・オブ・ディストリビューション(out-of-distribution)データは、Emph domain shift(DS)を引き起こす。
DSはトレーニングされたモデルの一般化をわずかに異なるデータ分布を持つ未知のデータセットに還元する。
複雑なDG問題に対処するため,28個の最先端DGアルゴリズムを用いて徹底的なベンチマーク実験を行った。
論文 参考訳（メタデータ） (2023-10-30T15:39:19Z) - 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) - REET: Robustness Evaluation and Enhancement Toolbox for Computational
Pathology [1.452875650827562]
計算病理学応用のための最初のドメイン固有ロバストネス評価・拡張ツールボックス(REET)を提案する。
REETは予測モデルの堅牢性評価を可能にするアルゴリズム戦略のスイートを提供する。
REETはまた、計算病理学におけるディープラーニングパイプラインの効率的で堅牢なトレーニングを可能にする。
論文 参考訳（メタデータ） (2022-01-28T18:23:55Z) - Towards Launching AI Algorithms for Cellular Pathology into Clinical &
Pharmaceutical Orbits [1.7149364927872013]
計算病理学(CPath、Computational Pathology)は、組織病理学の分野である。
CPathにおける近年の深層学習に基づく研究は, 画像の生画像の高容量化に成功している。
論文 参考訳（メタデータ） (2021-12-17T13:05:16Z) - Semantic annotation for computational pathology: Multidisciplinary
experience and best practice recommendations [5.686120367085792]
CPath(Computational Pathology)は、スライド画像全体に埋め込まれた情報を利用する統合的なソリューションを提供する。
WSIの自動分析と機械学習(ML)モデルの検証には、スライドでのアノテーション、組織、細胞レベルが必要である。
CPathプロジェクトにおけるアノテーションの重要な役割にもかかわらず、アノテーションの実施方法に関する明確なガイドラインやベストプラクティスは存在しない。
論文 参考訳（メタデータ） (2021-06-25T15:15:17Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。