論文の概要: Immunohistochemistry Biomarkers-Guided Image Search for Histopathology

• arxiv url: http://arxiv.org/abs/2304.12424v1
• Date: Mon, 24 Apr 2023 20:08:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-26 22:46:07.172653
• Title: Immunohistochemistry Biomarkers-Guided Image Search for Histopathology
• Title（参考訳）: バイオマーカーを用いた病理組織像検索
• Authors: Abubakr Shafique, Morteza Babaie, Ricardo Gonzalez, H.R. Tizhoosh
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.4383205675898942
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Medical practitioners use a number of diagnostic tests to make a reliable diagnosis. Traditionally, Haematoxylin and Eosin (H&E) stained glass slides have been used for cancer diagnosis and tumor detection. However, recently a variety of immunohistochemistry (IHC) stained slides can be requested by pathologists to examine and confirm diagnoses for determining the subtype of a tumor when this is difficult using H&E slides only. Deep learning (DL) has received a lot of interest recently for image search engines to extract features from tissue regions, which may or may not be the target region for diagnosis. This approach generally fails to capture high-level patterns corresponding to the malignant or abnormal content of histopathology images. In this work, we are proposing a targeted image search approach, inspired by the pathologists workflow, which may use information from multiple IHC biomarker images when available. These IHC images could be aligned, filtered, and merged together to generate a composite biomarker image (CBI) that could eventually be used to generate an attention map to guide the search engine for localized search. In our experiments, we observed that an IHC-guided image search engine can retrieve relevant data more accurately than a conventional (i.e., H&E-only) search engine without IHC guidance. Moreover, such engines are also able to accurately conclude the subtypes through majority votes.
• Abstract（参考訳）: 医療従事者は、信頼できる診断を行うために多くの診断試験を使用する。 伝統的に、HaematoxylinとEosin(H&E)染色ガラススライドは、がんの診断と腫瘍検出に用いられている。 しかし,近年の免疫組織化学(IHC)染色スライスでは,H&Eスライスのみを用いることが困難である場合,腫瘍の亜型を決定するための診断と診断が求められている。 近年、深層学習(DL)は、画像検索エンジンが組織領域から特徴を引き出すのに多くの関心を集めている。 このアプローチは通常、病理画像の悪性または異常な内容に対応するハイレベルなパターンを捉えることができない。 そこで本研究では,複数のihcバイオマーカー画像から得られる情報を利用する病理学者のワークフローに触発された画像検索手法を提案する。 これらのIHC画像はアライメントされ、フィルタリングされ、結合されて複合バイオマーカー画像(CBI)を生成することができ、最終的には、検索エンジンをローカライズされた検索のために誘導するアテンションマップを生成することができる。 実験の結果,IHC誘導画像検索エンジンは従来の(H&Eのみの)検索エンジンよりも正確な関連データを検索できることがわかった。 さらに、このようなエンジンは多数票でサブタイプを正確に結論付けることもできる。

関連論文リスト

• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• 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)
• Composite Biomarker Image for Advanced Visualization in Histopathology [0.37399138244928143]
  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。
  論文  参考訳（メタデータ） (2023-04-24T20:07:42Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• 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)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• 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)
• Selecting Regions of Interest in Large Multi-Scale Images for Cancer Pathology [0.0]
  顕微鏡スライドの高解像度スキャンは、がん病理学者が、複数のスケールと解像度でスライド画像内の特徴の測定に基づいて、がんの存在、サブタイプ、および重症度に関する結論に達するのに十分な情報を提供する。 肝癌,肝細胞癌 (HCC) と胆管癌 (CC) の2種類の1種を含む肝病理組織スライドにおいて,WSIを段階的に拡大して興味領域(ROI)を検出するための強化学習とビームサーチに基づくアプローチを検討する。 これらのROIは病理医に直接提示され、測定と診断を助けるか、または使用される。
  論文  参考訳（メタデータ） (2020-07-03T15:27:41Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。