論文の概要: Breast Cancer Immunohistochemical Image Generation: a Benchmark Dataset
and Challenge Review
- arxiv url: http://arxiv.org/abs/2305.03546v1
- Date: Fri, 5 May 2023 13:56:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 13:42:08.113715
- Title: Breast Cancer Immunohistochemical Image Generation: a Benchmark Dataset
and Challenge Review
- Title（参考訳）: 乳癌の免疫組織化学的画像生成 : ベンチマークデータセットとチャレンジレビュー
- Authors: Chuang Zhu, Shengjie Liu, Feng Xu, Zekuan Yu, Arpit Aggarwal, Germ\'an
Corredor, Anant Madabhushi, Qixun Qu, Hongwei Fan, Fangda Li, Yueheng Li,
Xianchao Guan, Yongbing Zhang, Vivek Kumar Singh, Farhan Akram, Md. Mostafa
Kamal Sarker, Zhongyue Shi, Mulan Jin
- Abstract要約: 乳がん化学画像生成に挑戦し,病理画像生成における深層学習技術の新たな考え方を探究した。
この課題は、登録されたH&EとIHCステインイメージペアを提供し、参加者はこれらのイメージを使用して、対応するH&EステインイメージからIHCステインイメージを直接生成できるモデルをトレーニングする必要がある。
我々は,PSNRとSSIMの指標に基づいて,上位5つの手法を選択し,レビューし,対応するパイプラインと実装の概要を示した。
- 参考スコア（独自算出の注目度）: 16.15746485547726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For invasive breast cancer, immunohistochemical (IHC) techniques are often
used to detect the expression level of human epidermal growth factor receptor-2
(HER2) in breast tissue to formulate a precise treatment plan. From the
perspective of saving manpower, material and time costs, directly generating
IHC-stained images from hematoxylin and eosin (H&E) stained images is a
valuable research direction. Therefore, we held the breast cancer
immunohistochemical image generation challenge, aiming to explore novel ideas
of deep learning technology in pathological image generation and promote
research in this field. The challenge provided registered H&E and IHC-stained
image pairs, and participants were required to use these images to train a
model that can directly generate IHC-stained images from corresponding
H&E-stained images. We selected and reviewed the five highest-ranking methods
based on their PSNR and SSIM metrics, while also providing overviews of the
corresponding pipelines and implementations. In this paper, we further analyze
the current limitations in the field of breast cancer immunohistochemical image
generation and forecast the future development of this field. We hope that the
released dataset and the challenge will inspire more scholars to jointly study
higher-quality IHC-stained image generation.
- Abstract（参考訳）: 浸潤乳癌では、免疫組織化学(ihc)技術が乳腺組織におけるヒト上皮成長因子受容体(her2)の発現レベルを検出し、正確な治療計画を作成するためにしばしば用いられる。
人力, 材料, 時間的コストの面では, ヘマトキシリンおよびエオシン(H&E)染色画像から直接IHC染色画像を生成することは, 貴重な研究方向である。
そこで我々は,病理画像生成における深層学習技術の新たなアイデアを探求し,この分野の研究を促進するために,乳癌免疫組織化学画像生成課題を行った。
この課題は、登録されたH&EとIHCステインイメージペアを提供し、参加者はこれらのイメージを使用して、対応するH&EステインイメージからIHCステインイメージを直接生成できるモデルをトレーニングする必要がある。
我々は,PSNRとSSIMの指標に基づいて,上位5つの手法を選択し,レビューし,対応するパイプラインと実装の概要を示した。
本稿では、乳がんの免疫組織化学的画像生成領域における現在の限界を更に分析し、この領域の今後の発展を予測する。
リリースされたデータセットと課題によって、より多くの学者が、高品質なIHCによる画像生成を共同で研究できることを期待しています。
関連論文リスト
- Advancing H&E-to-IHC Stain Translation in Breast Cancer: A Multi-Magnification and Attention-Based Approach [13.88935300094334]
本稿では,アテンション機構と多機能情報処理を統合した新しいモデルを提案する。
本モデルでは,病理画像内の様々な倍率から情報を抽出し,活用するために,多機能化処理戦略を採用している。
公開されている乳癌データセットの厳密なテストは、既存の方法よりも優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-08-04T04:55:10Z) - Deep learning-based instance segmentation for the precise automated
quantification of digital breast cancer immunohistochemistry images [1.8434042562191815]
深層学習に基づくインスタンスセグメンテーションアーキテクチャを用いて,IHCスライスに適用した核バイオマーカーと膜バイオマーカーの自動定量化の実現可能性を示した。
HE, ER, Ki-67 (核バイオマーカー) およびHER2 (膜バイオマーカー) IHC-stained image を用いてアノテーションを収集した。
我々は、2つのモデル(いわゆる核・膜認識セグメンテーションモデル)を訓練した。
論文 参考訳（メタデータ） (2023-11-22T22:23:47Z) - 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) - A Generative Approach for Image Registration of Visible-Thermal (VT)
Cancer Faces [77.77475333490744]
我々は、生成的アライメントアルゴリズムを適用し、修正することで、画像登録の古典的なコンピュータビジョンタスクを近代化する。
本稿では,V2T画像翻訳における生成AI下流タスクで生成した熱画像の品質が52.5%に向上することが実証された。
論文 参考訳（メタデータ） (2023-08-23T17:39:58Z) - 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) - Cross-modulated Few-shot Image Generation for Colorectal Tissue
Classification [58.147396879490124]
XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。
我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
論文 参考訳（メタデータ） (2023-04-04T17:50:30Z) - BCI: Breast Cancer Immunohistochemical Image Generation through Pyramid
Pix2pix [8.82904507522587]
ヒト上皮成長因子受容体2(HER2)の発現は乳癌の正確な治療に必須である。
今回我々は,乳がん化学(BCI)ベンチマークを初めて提案し,IHCデータをヘマトキシリンとエオシン染色画像で直接合成する方法を提案する。
データセットには4870の登録イメージペアが含まれており、さまざまなHER2表現レベルをカバーする。
論文 参考訳（メタデータ） (2022-04-25T04:00:47Z) - 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) - MammoGANesis: Controlled Generation of High-Resolution Mammograms for
Radiology Education [0.0]
我々は,512×512高分解能マンモグラムを合成するために,GAN(Generative Adversarial Network)を訓練する。
結果として得られるモデルは、教師なしの高レベルの特徴の分離につながる。
両盲検で平均AUC0.54を達成し,医療関連マンモグラムの生成能力を示す。
論文 参考訳（メタデータ） (2020-10-11T06:47:56Z) - COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。
また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文 参考訳（メタデータ） (2020-09-08T15:49:55Z)
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。