論文の概要: Color Deconvolution applied to Domain Adaptation in HER2 histopathological images

• arxiv url: http://arxiv.org/abs/2305.07404v1
• Date: Fri, 12 May 2023 12:05:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-15 13:09:30.726800
• Title: Color Deconvolution applied to Domain Adaptation in HER2 histopathological images
• Title（参考訳）: HER2組織像における領域適応へのカラーデコンボリューションの適用
• Authors: David Anglada-Rotger, Ferran Marqu\'es, Montse Pard\`as
• Abstract要約: 乳癌組織におけるHER2染色画像における色正規化問題に対する新しいアプローチを提案する。 我々は、カラーデコンボリューション技術とPix2Pix GANネットワークを組み合わせることで、異なるHER2染色ブランド間の色変化を補正する新しいアプローチを提案する。 本手法は,HER2解析において重要な変換画像中の細胞のHER2スコアの維持に焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast cancer early detection is crucial for improving patient outcomes. The Institut Catal\`a de la Salut (ICS) has launched the DigiPatICS project to develop and implement artificial intelligence algorithms to assist with the diagnosis of cancer. In this paper, we propose a new approach for facing the color normalization problem in HER2-stained histopathological images of breast cancer tissue, posed as an style transfer problem. We combine the Color Deconvolution technique with the Pix2Pix GAN network to present a novel approach to correct the color variations between different HER2 stain brands. Our approach focuses on maintaining the HER2 score of the cells in the transformed images, which is crucial for the HER2 analysis. Results demonstrate that our final model outperforms the state-of-the-art image style transfer methods in maintaining the cell classes in the transformed images and is as effective as them in generating realistic images.
• Abstract（参考訳）: 乳癌の早期発見は患者の予後を改善する上で重要である。 Institut Catal\`a de la Salut (ICS)は、がんの診断を支援する人工知能アルゴリズムを開発し、実装するためのDigiPatICSプロジェクトを立ち上げた。 本稿では,her2染色した乳癌組織の病理組織像におけるカラーノーマライズ問題に対する新しいアプローチを提案する。 カラーデコンボリューション技術とpix2pix ganネットワークを組み合わせることで,異なるher2染色ブランド間の色変化を補正する新しい手法を提案する。 本手法は,HER2解析において重要な変換画像中の細胞のHER2スコアの維持に焦点を当てる。 以上の結果から,我々の最終モデルは,変換された画像中のセルクラスを維持する上で,最先端のイメージスタイル転送手法よりも優れており,現実的な画像を生成する上で同等に有効であることが示された。

関連論文リスト

• 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)
• A comparative evaluation of image-to-image translation methods for stain transfer in histopathology [0.0]
  画像から画像への変換(I2I)法では、オリジナル画像の内容を共有するが、異なるスタイルの人工画像を生成することができる。 I2I法は、異なるタイプの染色からシリカ染色組織の人工像を生成するためにも用いられた。 GANに基づく画像処理法では,12の染色転移法を比較し,その内3つの手法が従来手法と9つの手法に基づいている。
  論文  参考訳（メタデータ） (2023-03-29T20:27:49Z)
• MedSegDiff-V2: Diffusion based Medical Image Segmentation with Transformer [53.575573940055335]
  我々は、MedSegDiff-V2と呼ばれるトランスフォーマーベースの拡散フレームワークを提案する。 画像の異なる20種類の画像分割作業において,その有効性を検証する。
  論文  参考訳（メタデータ） (2023-01-19T03:42:36Z)
• 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)
• 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)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Assessing domain adaptation techniques for mitosis detection in multi-scanner breast cancer histopathology images [0.6999740786886536]
  2つのミトーシス検出モデルと2つのスタイル転送法を訓練し、ミトーシス検出性能を向上させるために後者の有用性を評価する。 これらの最も優れたU-Netは、MIDOG 2021の予備テストセットでF1スコア0.693を達成した。
  論文  参考訳（メタデータ） (2021-09-01T16:27:46Z)
• Using Machine Learning to Automate Mammogram Images Analysis [12.19801103274363]
  X線マンモグラフィーによる乳がんの早期発見は死亡率を効果的に低下させたと考えられている。 マンモグラム画像を処理するコンピュータ支援自動マンモグラム解析システムを提案し, 正常または癌として自動的に識別する。
  論文  参考訳（メタデータ） (2020-12-06T00:10:18Z)
• Stain Style Transfer of Histopathology Images Via Structure-Preserved Generative Learning [31.254432319814864]
  本研究では,SSIM-GANとDSCSI-GANの2つのステンスタイル転送モデルを提案する。 学習における構造保存指標と補助診断ネットのフィードバックを協調することにより、医療関連情報をカラー正規化画像に保存する。
  論文  参考訳（メタデータ） (2020-07-24T15:30:19Z)

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。