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
- 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) - Selection of Distinct Morphologies to Divide & Conquer Gigapixel
Pathology Images [0.8246494848934447]
全スライド画像(WSI)は、複雑な組織構造を示す巨大なデジタル病理ファイルである。
WSIパッチのサブセットを選択するためのSDM(Select of Distinct Morphologies)。
モンタージュ」は、私たちが「モンタージュ」と呼ぶものを形成する。
論文 参考訳(メタデータ) (2023-11-16T13:54:38Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳(メタデータ) (2023-07-26T02:34:57Z) - Histopathology Whole Slide Image Analysis with Heterogeneous Graph
Representation Learning [78.49090351193269]
本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。
具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。
我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
論文 参考訳(メタデータ) (2023-07-09T14:43:40Z) - Weakly Supervised Joint Whole-Slide Segmentation and Classification in
Prostate Cancer [8.790852468118208]
WholeSIGHTは、Whole-Slide画像の分類と分類を行う弱い教師付き手法である。
前立腺癌3例のWSIデータセットを用いてWholeSIGHTを評価した。
論文 参考訳(メタデータ) (2023-01-07T20:38:36Z) - 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) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳(メタデータ) (2021-03-29T11:30:18Z) - Predicting Clinical Diagnosis from Patients Electronic Health Records
Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。
本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。
約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文 参考訳(メタデータ) (2020-07-15T09:22:55Z)
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。