論文の概要: Histopathology Slide Indexing and Search: Are We There Yet?
- arxiv url: http://arxiv.org/abs/2306.17019v2
- Date: Thu, 4 Jan 2024 22:54:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-08 18:31:56.824912
- Title: Histopathology Slide Indexing and Search: Are We There Yet?
- Title（参考訳）: 病理学のスライドインデクシングと検索:まだ存在するか?
- Authors: Helen H. Shang, Mohammad Sadegh Nasr, Jai Prakash Veerla, Parisa
Boodaghi Malidarreh, MD Jillur Rahman Saurav, Amir Hajighasemi, Manfred
Huber, Chace Moleta, Jitin Makker, Jacob M. Luber
- Abstract要約: 固形腫瘍の3症例における3種類の病理組織学的スライドサーチエンジン(Yottixel,SISH,RetCCL)の臨床的準備について検討した。
3つの画像検索エンジンは、一貫して信頼性のある結果が得られず、悪性の粒度と微妙な特徴を捉えるのに困難であることがわかった。
- 参考スコア（独自算出の注目度）: 0.9867627975175174
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The search and retrieval of digital histopathology slides is an important
task that has yet to be solved. In this case study, we investigate the clinical
readiness of three state-of-the-art histopathology slide search engines,
Yottixel, SISH, and RetCCL, on three patients with solid tumors. We provide a
qualitative assessment of each model's performance in providing retrieval
results that are reliable and useful to pathologists. We found that all three
image search engines fail to produce consistently reliable results and have
difficulties in capturing granular and subtle features of malignancy, limiting
their diagnostic accuracy. Based on our findings, we also propose a minimal set
of requirements to further advance the development of accurate and reliable
histopathology image search engines for successful clinical adoption.
- Abstract（参考訳）: デジタル病理学スライドの検索と検索は,まだ解決されていない重要な課題である。
本症例では, 固形腫瘍3例に対してyottixel, sish, retcclの3つの最先端病理組織学スライド検索エンジンの臨床適応について検討した。
我々は,各モデルの性能を定性的に評価し,病理医に有用で信頼性の高い検索結果を提供する。
その結果,3つの画像検索エンジンはいずれも一貫して信頼性の高い結果が得られず,診断精度を制限した粒度と微妙な悪性特徴の把握が困難であることが判明した。
また, 臨床応用を成功させるために, 正確で信頼性の高い病理組織像検索エンジンの開発を進めるための, 最小限の要件も提案する。
関連論文リスト
- HistoGym: A Reinforcement Learning Environment for Histopathological Image Analysis [9.615399811006034]
HistoGymは、医師の実際の過程を模倣して、スライド画像全体の診断を促進することを目的としている。
私たちは、WSIベースのシナリオと選択された地域ベースのシナリオを含む、さまざまな臓器や癌のシナリオを提供しています。
論文 参考訳（メタデータ） (2024-08-16T17:19:07Z) - On Validation of Search & Retrieval of Tissue Images in Digital Pathology [0.0]
医療画像は、診断、治療計画、疾病モニタリングに不可欠な情報を提供することによって、現代医療において重要な役割を担っている。
技術的進歩は、医療画像の量と複雑さを指数関数的に増加させてきた。
CBIR (Content-Based Image Retrieval) システムは、視覚コンテンツに基づいて画像を検索して検索することで、このニーズに対処する。
論文 参考訳（メタデータ） (2024-08-02T20:55:45Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳（メタデータ） (2024-04-15T02:41:55Z) - On Image Search in Histopathology [0.0]
病理組織学における画像検索技術の最近の展開について概説する。
本研究は, 画像検索の効率, 高速, 効率的な手法を求める計算病理研究者向けに, 簡潔な概要を提示する。
論文 参考訳（メタデータ） (2024-01-14T12:38:49Z) - Analysis and Validation of Image Search Engines in Histopathology [1.2431249807060922]
全スライド画像(WSI)は、ガラススライドに装着された組織標本の詳細なデジタル表現である。
WSI と WSI のマッチングは、患者マッチングのクリティカルな方法として機能する。
視覚単語袋(BoVW)、ヨッティクセル(Yottixel)、SISH(SISH)、RetCCL(RetCCL)など4種類の検索手法の広範な解析と検証を行った。
論文 参考訳（メタデータ） (2024-01-06T18:17:55Z) - Geometric Deep Learning to Identify the Critical 3D Structural Features
of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。
我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。
幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文 参考訳（メタデータ） (2022-04-14T12:52:10Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - Efficient Multi-objective Evolutionary 3D Neural Architecture Search for
COVID-19 Detection with Chest CT Scans [25.03394794744372]
本稿では,3次元ニューラルアーキテクチャの自動探索が可能な,効率的な多目的ニューラルARchitecture Searchフレームワークを提案する。
フレームワーク内では、重量共有戦略を使用して検索効率を大幅に改善し、8時間で検索プロセスを完了します。
精度、ポテンシャル、モデルサイズの目的は、3つのベースラインの人間設計モデルを上回る軽量モデル(3.39MB)を見つけることである。
論文 参考訳（メタデータ） (2021-01-26T09:52:42Z) - Automated Model Design and Benchmarking of 3D Deep Learning Models for
COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。
また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文 参考訳（メタデータ） (2021-01-14T03:45:01Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z)
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。