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

• 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)
• Histology Virtual Staining with Mask-Guided Adversarial Transfer Learning for Tertiary Lymphoid Structure Detection [9.68135211016703]
  病理組織学的3次リンパ組織構造(TLS)は, 各種固形腫瘍における免疫療法の効果と相関が強くなっている。 伝統的にTLSの同定と特性は、B細胞に対するCD20のようなマーカーを利用して、化学染色技術(IHC)に依存している。 仮想的な病理染色を目的としたマスクガイド型逆変換学習手法を提案する。 本手法は, 異なる染色条件下で, 明確なラベル情報を持たずに, 様々な組織タイプにまたがるニュアンス色変化を選択的にキャプチャする。 Mask-Guidedを含む統合フレームワークであるVirtual IHC Pathology Analysis Network (VIPA-Net)を提案する。
  論文  参考訳（メタデータ） (2024-08-26T01:54:37Z)
• VIMs: Virtual Immunohistochemistry Multiplex staining via Text-to-Stain Diffusion Trained on Uniplex Stains [0.9920087186610302]
  IHC染色は、複雑な診断問題を解決し、患者の治療決定を導くために、病理学の実践において不可欠である。 小さな生検では、しばしば複数の染色のための十分な組織が欠如し、その後の分子試験のための材料が保存される。 VIMsはこのニーズに対処する最初のモデルであり、仮想IHC多重化のために大きな視覚言語による単一ステップ拡散モデルを活用する。
  論文  参考訳（メタデータ） (2024-07-26T22:23:45Z)
• Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models [71.39421638547164]
  本稿では,入力分子と再構成グラフの類似性を比較する補助拡散モデルに基づくフレームワークを用いてOOD分子を検出することを提案する。 IDトレーニングサンプルの再構成に向けた生成バイアスのため、OOD分子の類似度スコアは検出を容易にするためにはるかに低い。 本研究は,PGR-MOOD(PGR-MOOD)とよばれる分子OOD検出のためのプロトタイプグラフ再構成のアプローチを開拓し,3つのイノベーションを生かした。
  論文  参考訳（メタデータ） (2024-04-24T03:25:53Z)
• StainDiffuser: MultiTask Dual Diffusion Model for Virtual Staining [1.9029890402585894]
  ヘマトキシリンとエオシン(H&E)染色は、疾患の診断や腫瘍再発追跡に最もよく用いられる。 ディープラーニングモデルは、画像から画像への変換(I2I)を重要な研究領域とし、高価な物理的染色プロセスの必要性を減らす。 StainDiffuserは、仮想染色のための新しい二重拡散アーキテクチャであり、限られたトレーニング予算の下で収束する。
  論文  参考訳（メタデータ） (2024-03-17T20:47:52Z)
• 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)
• 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)

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。