論文の概要: Composite Biomarker Image for Advanced Visualization in Histopathology
- arxiv url: http://arxiv.org/abs/2304.12423v1
- Date: Mon, 24 Apr 2023 20:07:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-26 22:45:40.343683
- Title: Composite Biomarker Image for Advanced Visualization in Histopathology
- Title（参考訳）: 複合バイオマーカー画像による病理組織学の高度可視化
- Authors: Abubakr Shafique, Morteza Babaie, Ricardo Gonzalez, Adrian Batten,
Soma Sikdar, H.R. Tizhoosh
- Abstract要約: 複合バイオマーカー画像(CBI)は、異なるフィルタIHCバイオマーカー画像を用いて合成された単一の画像である。
CBIは、病理学者が被疑組織の同定をより容易にし、同一の被疑領域における実際のWSIを調べることでさらに評価することができる。
- 参考スコア（独自算出の注目度）: 0.37399138244928143
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Immunohistochemistry (IHC) biomarkers are essential tools for reliable cancer
diagnosis and subtyping. It requires cross-staining comparison among Whole
Slide Images (WSIs) of IHCs and hematoxylin and eosin (H&E) slides. Currently,
pathologists examine the visually co-localized areas across IHC and H&E glass
slides for a final diagnosis, which is a tedious and challenging task.
Moreover, visually inspecting different IHC slides back and forth to analyze
local co-expressions is inherently subjective and prone to error, even when
carried out by experienced pathologists. Relying on digital pathology, we
propose Composite Biomarker Image (CBI) in this work. CBI is a single image
that can be composed using different filtered IHC biomarker images for better
visualization. We present a CBI image produced in two steps by the proposed
solution for better visualization and hence more efficient clinical workflow.
In the first step, IHC biomarker images are aligned with the H&E images using
one coordinate system and orientation. In the second step, the positive or
negative IHC regions from each biomarker image (based on the pathologists
recommendation) are filtered and combined into one image using a fuzzy
inference system. For evaluation, the resulting CBI images, from the proposed
system, were evaluated qualitatively by the expert pathologists. The CBI
concept helps the pathologists to identify the suspected target tissues more
easily, which could be further assessed by examining the actual WSIs at the
same suspected regions.
- Abstract（参考訳）: 免疫組織化学(IHC)バイオマーカーは、癌診断とサブタイプに必須のツールである。
IHCおよびヘマトキシリンおよびエオシン(H&E)スライドの全スライド画像(WSI)のクロスステイン比較が必要である。
現在、病理学者は、IHCおよびH&Eガラススライドの視覚的共局在領域を最終診断のために調査している。
さらに,局所的コプレッションを解析するために異なるIHCスライドを前後に視認することは,経験豊富な病理医が行った場合であっても,本質的に主観的であり,誤りを生じやすい。
本稿では,デジタル病理学に基づき,複合バイオマーカー画像(cbi)を提案する。
cbiは、異なるフィルター付きihcバイオマーカー画像を使用して構成できる単一の画像である。
そこで本研究では,2段階に分けて生成したCBI画像を用いて,より視覚化し,より効率的な臨床ワークフローを提案する。
最初のステップでは、IHCバイオマーカー画像は、1つの座標系と向きを使ってH&E画像と整列する。
第2ステップでは、各バイオマーカー画像(病理医推薦に基づく)からの正または負のIHC領域を、ファジィ推論システムを用いて1つの画像にフィルタリングして結合する。
評価のために,提案システムから得られたCBI画像は,専門家病理学者によって質的に評価された。
CBIの概念は、病理学者が疑わしい標的組織をより容易に識別し、同一の疑わしい領域で実際のWSIを調べることでさらに評価することができる。
関連論文リスト
- Scribble-Based Interactive Segmentation of Medical Hyperspectral Images [4.675955891956077]
本研究は、医用ハイパースペクトル画像のためのスクリブルベースのインタラクティブセグメンテーションフレームワークを導入する。
提案手法は,特徴抽出のための深層学習と,ユーザが提供するスクリブルから生成された測地距離マップを利用する。
論文 参考訳（メタデータ） (2024-08-05T12:33:07Z) - Siamese Content-based Search Engine for a More Transparent Skin and
Breast Cancer Diagnosis through Histological Imaging [1.927195358774599]
乳房(Breast-twins)と皮膚癌(Skin-twins)の2種類のCBHIRアプローチを,堅牢で正確なパッチレベルの検索のために提案する。
Breast-twins モデルはF1スコアの70%を最上位で達成し、これはK よりも高い値で他の最先端の手法を超える。
論文 参考訳（メタデータ） (2024-01-16T10:51:55Z) - Label- and slide-free tissue histology using 3D epi-mode quantitative
phase imaging and virtual H&E staining [1.3141683929245986]
組織生検の組織学的染色は、疾患の診断と組織の総合的な臨床評価の基準となる。
我々は,新しい3次元定量的位相イメージング技術である定量的斜め後方照明顕微鏡 (qOBM) と,教師なし生成対向ネットワークパイプラインを組み合わせた。
マウス肝,ラットグリオー肉腫,ヒトグリオーマから得られた新鮮組織標本を用いて,H&Eの高忠実度化を実現した。
論文 参考訳（メタデータ） (2023-06-01T11:09:31Z) - Immunohistochemistry Biomarkers-Guided Image Search for Histopathology [0.4383205675898942]
我々は、複数のIHCバイオマーカー画像から得られる情報を用いて、病理医のワークフローにインスパイアされた画像検索手法を提案する。
IHC誘導画像検索エンジンは、IHC誘導のない従来の(H&Eのみ)検索エンジンよりも正確な関連データを検索することができる。
論文 参考訳（メタデータ） (2023-04-24T20:08:48Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳（メタデータ） (2022-03-23T00:58:27Z) - 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) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - 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) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - Weakly supervised multiple instance learning histopathological tumor
segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。
トレーニングモデルに複数のインスタンス学習スキームを利用する。
提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文 参考訳（メタデータ） (2020-04-10T13:12:47Z)
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。