論文の概要: Automated Whole Slide Imaging for Label-Free Histology using Photon
Absorption Remote Sensing Microscopy
- arxiv url: http://arxiv.org/abs/2304.13736v2
- Date: Tue, 16 May 2023 20:39:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 19:31:40.091805
- Title: Automated Whole Slide Imaging for Label-Free Histology using Photon
Absorption Remote Sensing Microscopy
- Title（参考訳）: 光子吸収リモートセンシング顕微鏡を用いたラベルフリー組織像の自動画像化
- Authors: James E.D. Tweel, Benjamin R. Ecclestone, Marian Boktor, Deepak
Dinakaran, John R. Mackey, Parsin Haji Reza
- Abstract要約: 現在の染色法と高度なラベリング法は、しばしば破壊的であり、相互に相容れない。
最初の透過モード光子リモートセンシング顕微鏡を用いたラベルフリー組織学プラットフォームを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of histology relies heavily on antiquated tissue processing and
staining techniques that limit the efficiency of pathologic diagnoses of cancer
and other diseases. Current staining and advanced labeling methods are often
destructive and mutually incompatible, requiring new tissue sections for each
stain. This prolongs the diagnostic process and depletes valuable biopsy
samples. In this study, we present an alternative label-free histology platform
using the first transmission-mode Photon Absorption Remote Sensing microscope.
Optimized for automated whole slide scanning of unstained tissue samples, the
system provides slide images at magnifications up to 40x that are fully
compatible with existing digital pathology tools. The scans capture high
quality and high-resolution images with subcellular diagnostic detail. After
imaging, samples remain suitable for histochemical, immunohistochemical, and
other staining techniques. Scattering and absorption (radiative and
non-radiative) contrasts are shown in whole slide images of malignant human
breast and skin tissues samples. Clinically relevant features are highlighted,
and close correspondence and analogous contrast is demonstrated with one-to-one
gold standard H&E stained images. Our previously reported pix2pix virtual
staining model is applied to an entire whole slide image, showcasing the
potential of this approach in whole slide label-free H&E emulation. This work
is a critical advance for integrating label-free optical methods into standard
histopathology workflows, both enhancing diagnostic efficiency, and broadening
the number of stains that can be applied while preserving valuable tissue
samples.
- Abstract（参考訳）: 組織学の分野は、がんやその他の疾患の病理診断の効率を抑える古い組織処理と染色技術に大きく依存している。
現在の染色法と高度なラベリング法は、しばしば破壊的かつ相互に互換性がなく、各染色に新しい組織切片を必要とする。
これにより診断プロセスが延長され、貴重な生検サンプルが枯渇する。
本研究では,最初の透過モード光子吸収リモートセンシング顕微鏡を用いたラベルフリー組織学プラットフォームを提案する。
組織サンプルを自動でスキャンするために最適化されたシステムは、既存のデジタル病理ツールと完全に互換性のある最大40倍の倍率のスライド画像を提供する。
スキャンは、細胞内診断の詳細で高品質で高解像度の画像をキャプチャする。
イメージング後、サンプルは組織化学的、免疫組織化学的、その他の染色技術に適している。
散乱と吸収(放射能および非放射能)のコントラストは、悪性のヒト乳腺および皮膚組織の全スライド画像に示される。
臨床的に有意な特徴が強調され,1対1の標準H&E染色画像で近接対応と類似コントラストが示される。
これまで報告したPix2pix仮想染色モデルを全スライド画像に適用し、スライドラベルのないH&Eエミュレーションにおけるこのアプローチの可能性を示した。
この研究は、診断効率を向上し、貴重な組織サンプルを保存しながら適用可能な染色数を拡大すると共に、ラベルのない光学的手法を標準的な病理組織学ワークフローに統合するための重要な進歩である。
関連論文リスト
- Generating Seamless Virtual Immunohistochemical Whole Slide Images with Content and Color Consistency [2.063403009505468]
免疫組織化学(IHC)染色は、病理医の医療画像解析において重要な役割を担い、様々な疾患の診断に重要な情報を提供する。
ヘマトキシリンとエオシン(H&E)を染色した全スライド画像(WSI)の仮想染色により、高価な物理的染色プロセスなしで他の有用なICC染色を自動生成することができる。
タイルワイズ処理に基づく現在の仮想WSI生成法は、タイル境界における内容、テクスチャ、色の不整合に悩まされることが多い。
GANモデルを拡張した新しい一貫したWSI合成ネットワークCC-WSI-Netを提案する。
論文 参考訳（メタデータ） (2024-10-01T21:02:16Z) - Autonomous Quality and Hallucination Assessment for Virtual Tissue Staining and Digital Pathology [0.11728348229595655]
仮想組織染色のための自律的品質・幻覚評価法(AQuA)を提案する。
AQuAは、許容され、受け入れられない事実上の染色組織像を検出すると、99.8%の精度を達成する。
論文 参考訳（メタデータ） (2024-04-29T06:32:28Z) - Step-Calibrated Diffusion for Biomedical Optical Image Restoration [47.191704042917394]
再生ステップキャリブレーション拡散(Resorative Step-Calibrated Diffusion, RCD)は、画像修復法である。
RSCDは、画像復元問題を拡散ベース画像生成タスクの完了ステップとみなしている。
RSCDは、画像品質と知覚評価指標の両方において、他の広く使われている未使用画像復元方法よりも優れている。
論文 参考訳（メタデータ） (2024-03-20T15:38:53Z) - Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning [4.074521061733491]
コンゴ赤染色(コンゴ赤し、英: Congo red stain)は、組織におけるアミロイド鉱床の可視化のための金標準化学染色である。
単一のトレーニングされたニューラルネットワークは、ラベルのない組織セクションの自己蛍光画像を、明視野および偏光顕微鏡等価画像に変換することができる。
論文 参考訳（メタデータ） (2024-03-14T04:48:06Z) - Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。
この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
論文 参考訳（メタデータ） (2023-03-14T15:23:48Z) - 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) - 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) - 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) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z) - 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。