論文の概要: The ACROBAT 2022 Challenge: Automatic Registration Of Breast Cancer Tissue

• arxiv url: http://arxiv.org/abs/2305.18033v1
• Date: Mon, 29 May 2023 11:53:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-30 15:09:36.479095
• Title: The ACROBAT 2022 Challenge: Automatic Registration Of Breast Cancer Tissue
• Title（参考訳）: ACROBAT 2022チャレンジ:乳がん組織の自動登録
• Authors: Philippe Weitz, Masi Valkonen, Leslie Solorzano, Circe Carr, Kimmo Kartasalo, Constance Boissin, Sonja Koivukoski, Aino Kuusela, Dusan Rasic, Yanbo Feng, Sandra Sinius Pouplier, Abhinav Sharma, Kajsa Ledesma Eriksson, Stephanie Robertson, Christian Marzahl, Chandler D. Gatenbee, Alexander R.A. Anderson, Marek Wodzinski, Artur Jurgas, Niccol\`o Marini, Manfredo Atzori, Henning M\"uller, Daniel Budelmann, Nick Weiss, Stefan Heldmann, Johannes Lotz, Jelmer M. Wolterink, Bruno De Santi, Abhijeet Patil, Amit Sethi, Satoshi Kondo, Satoshi Kasai, Kousuke Hirasawa, Mahtab Farrokh, Neeraj Kumar, Russell Greiner, Leena Latonen, Anne-Vibeke Laenkholm, Johan Hartman, Pekka Ruusuvuori, Mattias Rantalainen
• Abstract要約: ACROBATの課題は、1,152人の乳癌患者の4,212人のWSIを含む、これまでで最大のWSI登録データセットに基づいていた。 異なるWSI特性の影響の調査を含む,8つのWSI登録アルゴリズムの性能を比較した。 これらの結果は、WSI登録における現状を確立し、方法の選択と開発について研究者を指導する。
• 参考スコア（独自算出の注目度）: 42.91349614568074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The alignment of tissue between histopathological whole-slide-images (WSI) is crucial for research and clinical applications. Advances in computing, deep learning, and availability of large WSI datasets have revolutionised WSI analysis. Therefore, the current state-of-the-art in WSI registration is unclear. To address this, we conducted the ACROBAT challenge, based on the largest WSI registration dataset to date, including 4,212 WSIs from 1,152 breast cancer patients. The challenge objective was to align WSIs of tissue that was stained with routine diagnostic immunohistochemistry to its H&E-stained counterpart. We compare the performance of eight WSI registration algorithms, including an investigation of the impact of different WSI properties and clinical covariates. We find that conceptually distinct WSI registration methods can lead to highly accurate registration performances and identify covariates that impact performances across methods. These results establish the current state-of-the-art in WSI registration and guide researchers in selecting and developing methods.
• Abstract（参考訳）: 病理組織学的全スライディング画像(WSI)間の組織アライメントは研究および臨床応用に不可欠である。 コンピューティング、ディープラーニング、大規模wsiデータセットの可用性の進歩は、wsi分析に革命をもたらした。 したがって、wsi登録の現状は明らかでない。 この課題に対処するため,1,152人の乳癌患者の4,212個のWSIを含む,過去最大のWSI登録データセットに基づいてACROBATチャレンジを実施した。 課題は, 正常な診断免疫組織化学で染色した組織WSIを, H&E染色した組織と一致させることであった。 各種WSI特性と臨床共変量の影響の調査を含む,8つのWSI登録アルゴリズムの性能を比較した。 概念的に異なるwsi登録手法は、高い精度の登録性能をもたらし、メソッド間のパフォーマンスに影響を与える共変量を特定することができる。 これらの結果から,wsi 登録の現状が明らかになり,提案手法の選択と開発が研究されている。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Slide-based Graph Collaborative Training for Histopathology Whole Slide Image Analysis [7.823674912857107]
  我々は既存のMIL(Multiple Instance Learning)フレームワークに適応できる汎用的なWSI分析パイプラインSlideGCDを提案する。 新しいパラダイムでは、がん開発に関する事前知識がエンドツーエンドのワークフローに参加することができる。
  論文  参考訳（メタデータ） (2024-10-14T08:14:40Z)
• TSI-Bench: Benchmarking Time Series Imputation [52.27004336123575]
  TSI-Benchは、ディープラーニング技術を利用した時系列計算のための総合ベンチマークスイートである。 TSI-Benchパイプラインは、実験的な設定を標準化し、計算アルゴリズムの公平な評価を可能にする。 TSI-Benchは、計算目的のために時系列予測アルゴリズムを調整するための体系的なパラダイムを革新的に提供する。
  論文  参考訳（メタデータ） (2024-06-18T16:07:33Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• RegWSI: Whole Slide Image Registration using Combined Deep Feature- and Intensity-Based Methods: Winner of the ACROBAT 2023 Challenge [1.7625447004432986]
  デジタル病理学を専門とする科学コミュニティや病院では,堅牢で効率的かつ正確な登録方法が望まれている。 i) 深層学習と特徴に基づく初期アライメントアルゴリズムと(ii) 強度に基づく非厳密な登録からなる2段階のハイブリッド手法を提案する。 提案手法は特定のデータセットへの微調整を一切必要とせず,任意の組織タイプや染色に直接使用することができる。
  論文  参考訳（メタデータ） (2024-04-19T16:19:30Z)
• A self-supervised framework for learning whole slide representations [52.774822784847565]
  我々は、全スライド画像のギガピクセルスケールの自己スーパービジョンのためのSlide Pre-trained Transformer (SPT)を提案する。 バイオメディカル・マイクロスコープ・データセットを用いて,5つの診断課題におけるSPT視覚表現のベンチマークを行った。
  論文  参考訳（メタデータ） (2024-02-09T05:05:28Z)
• FRCSyn Challenge at WACV 2024:Face Recognition Challenge in the Era of Synthetic Data [82.5767720132393]
  本稿では,WACV 2024 で組織された FRCSyn における顔認識チャレンジの概要について述べる。 これは、顔認識における合成データの利用を探求し、テクノロジーの既存の限界に対処する最初の国際的課題である。
  論文  参考訳（メタデータ） (2023-11-17T12:15:40Z)
• ACROBAT -- a multi-stain breast cancer histological whole-slide-image data set from routine diagnostics for computational pathology [1.6619031082709266]
  ハエマトキシリンおよびエオシン (H&E) を染色したFFPE組織分画の解析は, 外科切除乳癌検体における病理学的評価に欠かせない部分である。 このデータセットは、計算病理学研究の様々な方法を可能にする可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-24T14:16:36Z)
• A Two Step Approach for Whole Slide Image Registration [0.10312968200748115]
  ACROBATチャレンジの解決策を提示する。 我々は剛性変換と非剛性変換を含む2段階のアプローチを採用する。 実験の結果、90%の正中率は検証データセットの1,250馬力であることがわかった。
  論文  参考訳（メタデータ） (2022-08-25T02:53:49Z)
• Histopathology WSI Encoding based on GCNs for Scalable and Efficient Retrieval of Diagnostically Relevant Regions [12.046685035776026]
  提案するフレームワークは階層型グラフ畳み込みネットワーク(GCN)とHash技術に基づいている。 ROIのサイズと形状の変化の両方に優れたスケーラビリティがあります。 病理学者は組織の出現に応じて自由曲線を用いて問合せ領域を定義することができる。
  論文  参考訳（メタデータ） (2021-04-16T04:12:33Z)

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。