論文の概要: Spatial Pathomics Toolkit for Quantitative Analysis of Podocyte Nuclei
with Histology and Spatial Transcriptomics Data in Renal Pathology
- arxiv url: http://arxiv.org/abs/2308.06288v1
- Date: Thu, 10 Aug 2023 17:16:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 18:12:39.766285
- Title: Spatial Pathomics Toolkit for Quantitative Analysis of Podocyte Nuclei
with Histology and Spatial Transcriptomics Data in Renal Pathology
- Title（参考訳）: 腎疾患におけるポドサイト核の組織学的および空間的転写学的データを用いた定量的解析のための空間病理学ツールキット
- Authors: Jiayuan Chen, Yu Wang, Ruining Deng, Quan Liu, Can Cui, Tianyuan Yao,
Yilin Liu, Jianyong Zhong, Agnes B. Fogo, Haichun Yang, Shilin Zhao, Yuankai
Huo
- Abstract要約: 本稿では,Spatial Pathomics Toolkit (SPT) について紹介し,ポドサイト・パトミクスに応用する。
SPTは、インスタンスオブジェクトセグメンテーション、パノミクスの特徴生成、統計分析の3つの主要コンポーネントから構成される。
ポドサイト核から形態学的およびテクスチャ的特徴を抽出し,解析した結果,ポドサイトの形態的特徴が多岐にわたることが明らかとなった。
- 参考スコア（独自算出の注目度）: 16.752988875960344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Podocytes, specialized epithelial cells that envelop the glomerular
capillaries, play a pivotal role in maintaining renal health. The current
description and quantification of features on pathology slides are limited,
prompting the need for innovative solutions to comprehensively assess diverse
phenotypic attributes within Whole Slide Images (WSIs). In particular,
understanding the morphological characteristics of podocytes, terminally
differentiated glomerular epithelial cells, is crucial for studying glomerular
injury. This paper introduces the Spatial Pathomics Toolkit (SPT) and applies
it to podocyte pathomics. The SPT consists of three main components: (1)
instance object segmentation, enabling precise identification of podocyte
nuclei; (2) pathomics feature generation, extracting a comprehensive array of
quantitative features from the identified nuclei; and (3) robust statistical
analyses, facilitating a comprehensive exploration of spatial relationships
between morphological and spatial transcriptomics features.The SPT successfully
extracted and analyzed morphological and textural features from podocyte
nuclei, revealing a multitude of podocyte morphomic features through
statistical analysis. Additionally, we demonstrated the SPT's ability to
unravel spatial information inherent to podocyte distribution, shedding light
on spatial patterns associated with glomerular injury. By disseminating the
SPT, our goal is to provide the research community with a powerful and
user-friendly resource that advances cellular spatial pathomics in renal
pathology. The implementation and its complete source code of the toolkit are
made openly accessible at https://github.com/hrlblab/spatial_pathomics.
- Abstract（参考訳）: 球状毛細血管を包む特殊な上皮細胞であるポドサイトは、腎の健康維持に重要な役割を果たす。
病理スライドの現在の特徴の説明と定量化は限定的であり、全スライド画像(WSI)内の様々な表現特性を包括的に評価する革新的なソリューションの必要性が示唆された。
特に, 糸球体上皮細胞を最終分化させたポドサイトの形態的特性を理解することは, 糸球体損傷の研究に不可欠である。
本稿ではspatial pathomics toolkit(spt)を紹介し,podocyte pathomicsに適用する。
The SPT consists of three main components: (1) instance object segmentation, enabling precise identification of podocyte nuclei; (2) pathomics feature generation, extracting a comprehensive array of quantitative features from the identified nuclei; and (3) robust statistical analyses, facilitating a comprehensive exploration of spatial relationships between morphological and spatial transcriptomics features.The SPT successfully extracted and analyzed morphological and textural features from podocyte nuclei, revealing a multitude of podocyte morphomic features through statistical analysis.
さらに, 糸球体損傷に伴う空間的パターンに光を流し, ポドサイト分布に固有の空間情報を解き放つSPTの能力を実証した。
本研究の目的は,SPTを普及させることにより,腎疾患における細胞性空間病理学を進展させる強力なユーザフレンドリーな資源を提供することである。
ツールキットの実装とその完全なソースコードは、https://github.com/hrlblab/spatial_pathomicsで公開されている。
関連論文リスト
- Multimodal Analysis of White Blood Cell Differentiation in Acute Myeloid Leukemia Patients using a β-Variational Autoencoder [38.13262557169157]
形態学的および転写学的データを探索・再構成する教師なし手法を提案する。
本手法は,カスタマイズされた損失関数を持つβ変分オートエンコーダ(ss-VAE)に基づく。
バイオメディシンと診断のための白血球成熟の理解を改善するためのユニークなツールを提供する。
論文 参考訳（メタデータ） (2024-08-13T08:24:52Z) - Assessment of Cell Nuclei AI Foundation Models in Kidney Pathology [10.574005822664034]
この研究は、これまでで最大規模の評価であり、我々の知る限り、これまでで最大規模の評価である。
評価モデルのうち,CellViTは腎病理におけるセグメンテーション核の優れた性能を示した。
しかし、どの基礎モデルも完璧ではなく、腎臓病理学の一般的な核分割における性能ギャップは依然として残っている。
論文 参考訳（メタデータ） (2024-08-09T22:34:13Z) - Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。
RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
論文 参考訳（メタデータ） (2024-07-17T07:44:18Z) - A Nasal Cytology Dataset for Object Detection and Deep Learning [0.0]
NCD (Nasal Cytology dataset) というサイ細胞野画像の最初のデータセットを提示する。
鼻粘膜に分布する細胞型の実際の分布は複製され、臨床患者のスライドから画像を集め、それぞれの細胞に手動で注釈を付ける。
この研究は、鼻粘膜細胞の自動検出と分類を支援する新しい機械学習ベースのアプローチを提案することで、オープンな課題のいくつかに寄与する。
論文 参考訳（メタデータ） (2024-04-21T19:02:38Z) - PrPSeg: Universal Proposition Learning for Panoramic Renal Pathology Segmentation [17.259461626205145]
パノラマ性腎疾患セグメンテーション(PrPSeg)と呼ばれる新しい普遍命題学習手法を導入する。
PrPSegは、腎臓解剖学の広範な知識を統合することにより、腎臓内の包括的パノラマ構造をセグメント化するように設計されている。
論文 参考訳（メタデータ） (2024-02-29T15:51:14Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。
本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文 参考訳（メタデータ） (2023-10-10T14:37:17Z) - Fluorescent Neuronal Cells v2: Multi-Task, Multi-Format Annotations for
Deep Learning in Microscopy [44.62475518267084]
このデータセットは、歯状神経細胞の核と細胞質が多様なマーカーで染色される3つのイメージコレクションを含んでいる。
画像の他に、セマンティックセグメンテーション、オブジェクト検出、カウントなど、いくつかの学習タスクに対して、地平のアノテーションを提供する。
論文 参考訳（メタデータ） (2023-07-26T15:14:10Z) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳（メタデータ） (2023-04-26T14:11:04Z) - Active Learning Enhances Classification of Histopathology Whole Slide
Images with Attention-based Multiple Instance Learning [48.02011627390706]
我々は、注意に基づくMILをトレーニングし、データセット内の各画像に対する信頼度を算出し、専門家のアノテーションに対して最も不確実なWSIを選択する。
新たな注意誘導損失により、各クラスにアノテートされた領域がほとんどない、トレーニングされたモデルの精度が向上する。
将来的には、病理組織学における癌分類の臨床的に関連する文脈において、MILモデルのトレーニングに重要な貢献をする可能性がある。
論文 参考訳（メタデータ） (2023-03-02T15:18:58Z) - Cell Mechanics Based Computational Classification of Red Blood Cells Via
Machine Intelligence Applied to Morpho-Rheological Markers [0.0]
非教師なし機械学習手法は、リアルタイム変形性と蛍光(RT-FDC)により得られる形態・レオロジーマーカーにのみ適用される
提案手法は, 成熟赤血球由来の赤血球の分類において, ラベルフリーで有望な結果が得られたことを報告した。
論文 参考訳（メタデータ） (2020-03-02T15:11:46Z)
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。