論文の概要: EndoNet: model for automatic calculation of H-score on histological
slides
- arxiv url: http://arxiv.org/abs/2308.11562v1
- Date: Tue, 22 Aug 2023 16:45:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 13:04:28.858530
- Title: EndoNet: model for automatic calculation of H-score on histological
slides
- Title（参考訳）: EndoNet: 組織スライド上のHスコアの自動計算モデル
- Authors: Egor Ushakov, Anton Naumov, Vladislav Fomberg, Polina Vishnyakova,
Aleksandra Asaturova, Alina Badlaeva, Anna Tregubova, Evgeny Karpulevich,
Gennady Sukhikh, Timur Fatkhudinov
- Abstract要約: Hスコア(H-score)は、組織サンプル中のタンパク質の存在と分布を評価するための半定量的手法である。
本研究では,ヒストロジースライド上のHスコアの自動計算のためのモデルであるEndoNetを開発した。
このモデルは,100×100 $mu m$のアノテートタイルで1780年にトレーニング,検証を行い,テストデータセットで0.77 mAPを実行した。
- 参考スコア（独自算出の注目度）: 33.7054351451505
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: H-score is a semi-quantitative method used to assess the presence and
distribution of proteins in tissue samples by combining the intensity of
staining and percentage of stained nuclei. It is widely used but time-consuming
and can be limited in accuracy and precision. Computer-aided methods may help
overcome these limitations and improve the efficiency of pathologists'
workflows. In this work, we developed a model EndoNet for automatic calculation
of H-score on histological slides. Our proposed method uses neural networks and
consists of two main parts. The first is a detection model which predicts
keypoints of centers of nuclei. The second is a H-score module which calculates
the value of the H-score using mean pixel values of predicted keypoints. Our
model was trained and validated on 1780 annotated tiles with a shape of 100x100
$\mu m$ and performed 0.77 mAP on a test dataset. Moreover, the model can be
adjusted to a specific specialist or whole laboratory to reproduce the manner
of calculating the H-score. Thus, EndoNet is effective and robust in the
analysis of histology slides, which can improve and significantly accelerate
the work of pathologists.
- Abstract（参考訳）: Hスコア(H-score)は、染色強度と染色核の割合を組み合わせて組織試料中のタンパク質の存在と分布を評価するための半定量的手法である。
広く使われているが、時間がかかり、精度と精度に制限がある。
コンピュータ支援手法はこれらの制限を克服し、病理学者のワークフローの効率化に役立つ。
本研究では,h-scoreの自動計算のためのモデルエンドネットを開発した。
提案手法はニューラルネットワークを用いて2つの主要部分からなる。
1つ目は核中心のキーポイントを予測する検出モデルである。
2つ目は、予測キーポイントの平均画素値を用いてHスコアの値を算出するHスコアモジュールである。
我々のモデルは,100×100$\mu m$のアノテートタイルで1780年にトレーニング,検証を行い,テストデータセットで0.77 mAPを実行した。
さらに、モデルを特定の専門家や研究室全体に調整して、Hスコアの計算方法を再現することができる。
したがって、EndoNetは病理学のスライドの解析に有効で堅牢であり、病理学者の作業を改善し、著しく加速することができる。
関連論文リスト
- Neural Network-Based Score Estimation in Diffusion Models: Optimization
and Generalization [12.812942188697326]
拡散モデルは、忠実さ、柔軟性、堅牢性を改善した高品質なサンプルを生成する際に、GANと競合する強力なツールとして登場した。
これらのモデルの主要な構成要素は、スコアマッチングを通じてスコア関数を学ぶことである。
様々なタスクにおいて経験的な成功にもかかわらず、勾配に基づくアルゴリズムが証明可能な精度でスコア関数を学習できるかどうかは不明である。
論文 参考訳（メタデータ） (2024-01-28T08:13:56Z) - Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。
この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
論文 参考訳（メタデータ） (2023-07-06T15:19:53Z) - PIGNet2: A Versatile Deep Learning-based Protein-Ligand Interaction
Prediction Model for Binding Affinity Scoring and Virtual Screening [0.0]
タンパク質-リガンド相互作用の予測(PLI)は、薬物発見において重要な役割を果たす。
結合親和性を正確に評価し、効率的な仮想スクリーニングを行う汎用モデルの開発は依然として課題である。
本稿では、物理インフォームドグラフニューラルネットワークと組み合わせて、新しいデータ拡張戦略を導入することにより、実現可能なソリューションを提案する。
論文 参考訳（メタデータ） (2023-07-03T14:46:49Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z) - HARDC : A novel ECG-based heartbeat classification method to detect
arrhythmia using hierarchical attention based dual structured RNN with
dilated CNN [3.8791511769387625]
不整脈分類のための拡張CNN (HARDC) 法を用いたハイブリッド階層型双方向リカレントニューラルネットワークを開発した。
提案したHARDCは、拡張CNNと双方向リカレントニューラルネットワークユニット(BiGRU-BiLSTM)アーキテクチャをフル活用して、融合機能を生成する。
以上の結果から,複数種類の不整脈信号の分類を自動化し,高度に計算した手法が有望であることが示唆された。
論文 参考訳（メタデータ） (2023-03-06T13:26:29Z) - Using Intermediate Forward Iterates for Intermediate Generator
Optimization [14.987013151525368]
中間ジェネレータ最適化は、生成タスクのための任意の標準オートエンコーダパイプラインに組み込むことができる。
IGOの2つの密集予測タスク(viz.)、画像外挿、点雲デノイング(denoising)に対する応用を示す。
論文 参考訳（メタデータ） (2023-02-05T08:46:15Z) - Comparative analysis of deep learning approaches for AgNOR-stained
cytology samples interpretation [52.77024349608834]
本稿では, 深層学習手法を用いて, 好気性ヌクレオラオーガナイザ領域 (AgNOR) 染色スライダを解析する方法を提案する。
以上の結果から,バックボーンとしてResNet-18やResNet-34を用いたU-Netを用いたセマンティックセマンティックセマンティックセマンティクスは類似した結果を示す。
最も優れたモデルは、それぞれ0.83、0.92、0.99の核、クラスター、衛星のIoUを示す。
論文 参考訳（メタデータ） (2022-10-19T15:15:32Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Temporal Attention-Augmented Graph Convolutional Network for Efficient
Skeleton-Based Human Action Recognition [97.14064057840089]
グラフネットワーク(GCN)はユークリッド以外のデータ構造をモデル化するのに非常に成功した。
ほとんどのGCNベースのアクション認識手法は、計算量の多いディープフィードフォワードネットワークを使用して、全てのスケルトンをアクションで処理する。
本稿では,骨格に基づく行動認識の効率を高めるための時間的アテンションモジュール(TAM)を提案する。
論文 参考訳（メタデータ） (2020-10-23T08:01:55Z) - DENS-ECG: A Deep Learning Approach for ECG Signal Delineation [15.648061765081264]
本稿では,心拍のリアルタイムセグメンテーションのためのディープラーニングモデルを提案する。
提案アルゴリズムはDENS-ECGアルゴリズムと呼ばれ、畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)モデルを組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-18T13:13:41Z)
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。