論文の概要: Structural Cycle GAN for Virtual Immunohistochemistry Staining of Gland
Markers in the Colon
- arxiv url: http://arxiv.org/abs/2308.13182v1
- Date: Fri, 25 Aug 2023 05:24:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 15:01:24.022578
- Title: Structural Cycle GAN for Virtual Immunohistochemistry Staining of Gland
Markers in the Colon
- Title(参考訳): 大腸腺マーカーの仮想免疫組織化学染色のための構造サイクルgan
- Authors: Shikha Dubey, Tushar Kataria, Beatrice Knudsen, and Shireen Y.
Elhabian
- Abstract要約: ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。
病理学者は、特定の構造や細胞を分析するために異種化学染色(IHC)を必要とする。
ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。
- 参考スコア(独自算出の注目度): 1.741980945827445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advent of digital scanners and deep learning, diagnostic operations
may move from a microscope to a desktop. Hematoxylin and Eosin (H&E) staining
is one of the most frequently used stains for disease analysis, diagnosis, and
grading, but pathologists do need different immunohistochemical (IHC) stains to
analyze specific structures or cells. Obtaining all of these stains (H&E and
different IHCs) on a single specimen is a tedious and time-consuming task.
Consequently, virtual staining has emerged as an essential research direction.
Here, we propose a novel generative model, Structural Cycle-GAN (SC-GAN), for
synthesizing IHC stains from H&E images, and vice versa. Our method expressly
incorporates structural information in the form of edges (in addition to color
data) and employs attention modules exclusively in the decoder of the proposed
generator model. This integration enhances feature localization and preserves
contextual information during the generation process. In addition, a structural
loss is incorporated to ensure accurate structure alignment between the
generated and input markers. To demonstrate the efficacy of the proposed model,
experiments are conducted with two IHC markers emphasizing distinct structures
of glands in the colon: the nucleus of epithelial cells (CDX2) and the
cytoplasm (CK818). Quantitative metrics such as FID and SSIM are frequently
used for the analysis of generative models, but they do not correlate
explicitly with higher-quality virtual staining results. Therefore, we propose
two new quantitative metrics that correlate directly with the virtual staining
specificity of IHC markers.
- Abstract(参考訳): デジタルスキャナとディープラーニングの出現により、診断操作は顕微鏡からデスクトップに移行する可能性がある。
ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングに最も頻繁に用いられる染色であるが、病理学者は特定の構造や細胞を分析するために異なる免疫組織化学的(IHC)染色を必要とする。
1つの標本にこれらの染色物(H&Eと異なるIHC)をすべて保持することは、退屈で時間を要する作業である。
その結果、仮想染色が重要な研究方向として浮上した。
本稿では,H&E画像からIHC染色を合成するための新しい生成モデルであるStructure Cycle-GAN(SC-GAN)を提案する。
提案手法は,エッジの形式(カラーデータに加えて)に構造情報を明示的に組み込んで,提案したジェネレータモデルのデコーダにのみ注目モジュールを用いる。
この統合は、特徴ローカライゼーションを強化し、生成プロセス中にコンテキスト情報を保存します。
さらに、生成されたマーカーと入力マーカーの正確な構造アライメントを確保するために、構造損失が組み込まれている。
提案モデルの有効性を実証するため,大腸内の腺の異なる構造を強調する2つのIHCマーカーを用いて,上皮細胞(CDX2)と細胞質(CK818)の核実験を行った。
FIDやSSIMなどの定量的メトリクスは、生成モデルの解析に頻繁に使用されるが、それらは高品質の仮想染色結果と明示的に相関しない。
そこで本研究では,IHCマーカーの仮想染色特異性と直接相関する2つの新しい定量的指標を提案する。
関連論文リスト
- ReStainGAN: Leveraging IHC to IF Stain Domain Translation for in-silico
Data Generation [0.12564343689544843]
In-silicoデータセットは、計算病理学において異なる染色パターンを持つ新しいドメインに既存のアノテーションの有用性を拡張することができる。
免疫蛍光 (IF) 画像において, 形態特異的なIHC染色を別の画像チャネルに切り離し, シリカ化学(IHC) 画像を生成するための新しい手法を提案する。
論文 参考訳(メタデータ) (2024-03-11T09:45:34Z) - Deep learning-based instance segmentation for the precise automated
quantification of digital breast cancer immunohistochemistry images [1.8434042562191815]
深層学習に基づくインスタンスセグメンテーションアーキテクチャを用いて,IHCスライスに適用した核バイオマーカーと膜バイオマーカーの自動定量化の実現可能性を示した。
HE, ER, Ki-67 (核バイオマーカー) およびHER2 (膜バイオマーカー) IHC-stained image を用いてアノテーションを収集した。
我々は、2つのモデル(いわゆる核・膜認識セグメンテーションモデル)を訓練した。
論文 参考訳(メタデータ) (2023-11-22T22:23:47Z) - 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) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳(メタデータ) (2023-07-10T01:26:48Z) - Region-guided CycleGANs for Stain Transfer in Whole Slide Images [6.704730171977661]
そこで本研究では,CycleGANを関心差別の領域として拡張する手法を提案する。
我々は,IHC染色が転移細胞に対して実験的に発生する信号を提供するスライド画像全体に対するユースケースを提案する。
論文 参考訳(メタデータ) (2022-08-26T19:12:49Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳(メタデータ) (2022-06-04T13:16:30Z) - 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) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳(メタデータ) (2022-03-12T15:24:03Z) - 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) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Pix2Pix-based Stain-to-Stain Translation: A Solution for Robust Stain
Normalization in Histopathology Images Analysis [5.33024001730262]
Stain-to-Stain Translation (STST) はヘマトキシリンおよびエオシン染色組織像の正常化に用いられている。
条件付きジェネレータ対向ネットワーク(cGAN)を用いたピクス2ピクセルフレームワークに基づく翻訳処理を行う。
論文 参考訳(メタデータ) (2020-02-03T11:19:01Z)
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。