論文の概要: Virtual histological staining of unlabeled autopsy tissue
- arxiv url: http://arxiv.org/abs/2308.00920v1
- Date: Wed, 2 Aug 2023 03:31:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-03 14:11:08.212890
- Title: Virtual histological staining of unlabeled autopsy tissue
- Title（参考訳）: 未標識解剖組織の仮想組織染色
- Authors: Yuzhu Li, Nir Pillar, Jingxi Li, Tairan Liu, Di Wu, Songyu Sun,
Guangdong Ma, Kevin de Haan, Luzhe Huang, Sepehr Hamidi, Anatoly Urisman, Tal
Keidar Haran, William Dean Wallace, Jonathan E. Zuckerman, Aydogan Ozcan
- Abstract要約: トレーニングされたニューラルネットワークは、ラベルのない解剖組織セクションの自己蛍光画像から、ヘマトキシリンとエオシンの染色された同じサンプルの鮮明な等価画像に変換することができる。
我々の仮想解剖染色技術は壊死組織にまで拡張することができ、重篤な自己分解と細胞死にもかかわらず、高速かつ費用対効果で無形H&E染色を生成できる。
- 参考スコア（独自算出の注目度）: 1.9351365037275405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Histological examination is a crucial step in an autopsy; however, the
traditional histochemical staining of post-mortem samples faces multiple
challenges, including the inferior staining quality due to autolysis caused by
delayed fixation of cadaver tissue, as well as the resource-intensive nature of
chemical staining procedures covering large tissue areas, which demand
substantial labor, cost, and time. These challenges can become more pronounced
during global health crises when the availability of histopathology services is
limited, resulting in further delays in tissue fixation and more severe
staining artifacts. Here, we report the first demonstration of virtual staining
of autopsy tissue and show that a trained neural network can rapidly transform
autofluorescence images of label-free autopsy tissue sections into brightfield
equivalent images that match hematoxylin and eosin (H&E) stained versions of
the same samples, eliminating autolysis-induced severe staining artifacts
inherent in traditional histochemical staining of autopsied tissue. Our virtual
H&E model was trained using >0.7 TB of image data and a data-efficient
collaboration scheme that integrates the virtual staining network with an image
registration network. The trained model effectively accentuated nuclear,
cytoplasmic and extracellular features in new autopsy tissue samples that
experienced severe autolysis, such as COVID-19 samples never seen before, where
the traditional histochemical staining failed to provide consistent staining
quality. This virtual autopsy staining technique can also be extended to
necrotic tissue, and can rapidly and cost-effectively generate artifact-free
H&E stains despite severe autolysis and cell death, also reducing labor, cost
and infrastructure requirements associated with the standard histochemical
staining.
- Abstract（参考訳）: 病理組織検査は検死において重要なステップであるが, 生後検体における従来の組織化学的染色は, 死体組織の固定が遅れることによる自己融解性低下や, 膨大な労力, 費用, 時間を要する大きな組織領域をカバーする化学染色法の資源集約的性質など, 様々な課題に直面している。
これらの課題は、病理組織学サービスの可用性が限られている世界的な健康危機の間、より顕著になり、組織固定のさらなる遅延とより重度の染色アーティファクトをもたらす。
本報告では, 自検組織の仮想染色の最初の実演を行い, トレーニングされたニューラルネットワークが, ラベルのない自検組織の自蛍光画像から, ヘマトキシリンとエオシン(H&E)の染色された同一試料とを一致させ, 自検組織の従来の組織化学的染色に固有の自己分解による重症染色物を除去できることを示す。
我々の仮想H&Eモデルは、画像データの0.7TBと仮想染色ネットワークと画像登録ネットワークを統合するデータ効率の協調方式を用いて訓練された。
訓練されたモデルは、これまで見たことのない新型コロナウイルスのサンプルのような重篤な自己透析を受けた新しい解剖組織サンプルにおいて、核、細胞質、細胞外の特徴を効果的にアクセントした。
この仮想解剖染色技術は、壊死組織にも拡張可能であり、重篤な自己分解や細胞死にもかかわらず、迅速かつ費用効率よく非アーティファクトなH&E染色を生成でき、また、標準組織化学的染色に関連する労力、コストおよびインフラ要件を低減できる。
関連論文リスト
- Generating Seamless Virtual Immunohistochemical Whole Slide Images with Content and Color Consistency [2.063403009505468]
免疫組織化学(IHC)染色は、病理医の医療画像解析において重要な役割を担い、様々な疾患の診断に重要な情報を提供する。
ヘマトキシリンとエオシン(H&E)を染色した全スライド画像(WSI)の仮想染色により、高価な物理的染色プロセスなしで他の有用なICC染色を自動生成することができる。
タイルワイズ処理に基づく現在の仮想WSI生成法は、タイル境界における内容、テクスチャ、色の不整合に悩まされることが多い。
GANモデルを拡張した新しい一貫したWSI合成ネットワークCC-WSI-Netを提案する。
論文 参考訳（メタデータ） (2024-10-01T21:02:16Z) - Label-free evaluation of lung and heart transplant biopsies using virtual staining [3.24061990641619]
従来の組織化学的染色プロセスは、時間がかかり、費用がかかり、労働集約的である。
肺・心臓移植生検における仮想染色ニューラルネットワークのパネルについて述べる。
仮想染色ネットワークは、高い色均一性を持つ高品質な組織像を一貫して生成する。
論文 参考訳（メタデータ） (2024-09-09T00:18:48Z) - Autonomous Quality and Hallucination Assessment for Virtual Tissue Staining and Digital Pathology [0.11728348229595655]
仮想組織染色のための自律的品質・幻覚評価法(AQuA)を提案する。
AQuAは、許容され、受け入れられない事実上の染色組織像を検出すると、99.8%の精度を達成する。
論文 参考訳（メタデータ） (2024-04-29T06:32:28Z) - Automated segmentation of rheumatoid arthritis immunohistochemistry
stained synovial tissue [0.0]
慢性関節リウマチ(RA)は関節滑膜組織に主に影響を及ぼす慢性自己免疫疾患である。
非常に異質な疾患であり、滑膜組織において幅広い細胞および分子の多様性が観察される。
我々は、複数のタイプのIHC染色を含む実世界のマルチセンター臨床データセットR4RAを用いて、UNETをトレーニングする。
このモデルでは、DICEスコア0.865を取得し、異なるタイプのIHC染色を分割し、異なる臨床センターからの色、強度、および一般的なWSIsアーティファクトのばらつきに対処する。
論文 参考訳（メタデータ） (2023-09-13T18:43:14Z) - Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。
この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
論文 参考訳（メタデータ） (2023-03-14T15:23:48Z) - Virtual stain transfer in histology via cascaded deep neural networks [2.309018557701645]
ケースドディープニューラルネットワーク(C-DNN)による仮想染色伝達フレームワークの実証を行った。
C-DNNは、入力として1つの染色タイプのみを取り込んで別の染色タイプの画像をデジタル出力する単一のニューラルネットワーク構造とは異なり、まず仮想染色を使用して、自己蛍光顕微鏡画像をH&Eに変換する。
我々は,H&E染色組織像を仮想PAS( periodic acid-Schiff)染色に変換することに成功した。
論文 参考訳（メタデータ） (2022-07-14T00:43:18Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳（メタデータ） (2022-03-23T00:58:27Z) - 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) - 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) - Deep learning-based transformation of the H&E stain into special stains [44.38127957263123]
腎針核生検の組織切片を用いた,H&Eから特殊染色への教師あり学習型コンピュータステンレス変換の有用性を示す。
結果: 染色変態ネットワークにより生成された特殊染色の品質は, 標準組織化学的染色により生成されたものと統計的に同等であった。
論文 参考訳（メタデータ） (2020-08-20T10:12:03Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z)
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。