論文の概要: Rapid Artefact Removal and H&E-Stained Tissue Segmentation

• arxiv url: http://arxiv.org/abs/2308.13304v2
• Date: Tue, 19 Dec 2023 18:45:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 23:24:54.390498
• Title: Rapid Artefact Removal and H&E-Stained Tissue Segmentation
• Title（参考訳）: アーティファクトの迅速除去とH&E-Stined tissue Segmentation
• Authors: B. A. Schreiber, J. Denholm, F. Jaeckle, M. J. Arends, K. M. Branson, C.-B. Sch\"onlieb, E. J. Soilleux
• Abstract要約: ヘマトキシリンおよびエオシン(H&E)染色組織を全スライディング画像に高速に分画する方法を提案する。 本手法は,ペンマークや走査型アーティファクトなど,望ましくないアーティファクトを広範囲に排除する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present an innovative method for rapidly segmenting hematoxylin and eosin (H&E)-stained tissue in whole-slide images (WSIs) that eliminates a wide range of undesirable artefacts such as pen marks and scanning artefacts. Our method involves taking a single-channel representation of a lowmagnification RGB overview of the WSI in which the pixel values are bimodally distributed such that H&E-stained tissue is easily distinguished from both background and a wide variety of artefacts. We demonstrate our method on 30 WSIs prepared from a wide range of institutions and WSI digital scanners, each containing substantial artefacts, and compare it to segmentations provided by Otsu thresholding and Histolab tissue segmentation and pen filtering tools. We found that our method segmented the tissue and fully removed all artefacts in 29 out of 30 WSIs, whereas Otsu thresholding failed to remove any artefacts, and the Histolab pen filtering tools only partially removed the pen marks. The beauty of our approach lies in its simplicity: manipulating RGB colour space and using Otsu thresholding allows for the segmentation of H&E-stained tissue and the rapid removal of artefacts without the need for machine learning or parameter tuning.
• Abstract（参考訳）: ペンマークやスキャニングアーティファクトなどの好ましくないアーティファクトを広範囲に除去する全スライド画像(wsis)において、ヘマトキシリンとエオシン(h&e)を迅速に分割する革新的な方法を提案する。 本手法は,H&E染色組織を背景および多種多様な人工物と容易に区別できるように,画素値がバイモーダルに分散されたWSIの低磁化RGB概要を単一チャネルで表現することを含む。 本手法は,多種多様な組織およびWSIデジタルスキャナーから調製した30個のWSIに対して実測を行い,大津しきい値,ヒストラブ組織セグメンテーション,ペンフィルタリングツールによるセグメンテーションと比較した。 組織を分割し,30wsis中29個に全アーティファクトを完全除去したのに対し,大津閾値設定ではアーティファクト除去に失敗し,histolabペンフィルタリングツールではペンマークを部分的に除去しただけだった。 われわれのアプローチの美しさは単純さにある: RGB色空間を操作し、大津しきい値を用いたことにより、機械学習やパラメータチューニングを必要とせずに、H&E染色組織のセグメンテーションとアーティファクトの迅速な除去が可能になる。

関連論文リスト

• Nuclei Instance Segmentation of Cryosectioned H&E Stained Histological Images using Triple U-Net Architecture [0.0]
  本稿では,H&E染色画像のユニークな光学特性を活用する手法を提案する。 3分岐のU-Netアーキテクチャが実装され、各ブランチが最終的なセグメンテーション結果に寄与する。 その結果、ロバストな実験によって得られた結果は、様々な指標で最先端の結果を上回った。
  論文  参考訳（メタデータ） (2024-04-19T16:36:21Z)
• NeRF-HuGS: Improved Neural Radiance Fields in Non-static Scenes Using Heuristics-Guided Segmentation [76.02304140027087]
  我々は,HuGS(Huristics-Guided harmonily)という新しいパラダイムを提案する。 HuGSは、手作り合成の強さと最先端セグメンテーションモデルを組み合わせることで、過渡的イントラクタからの静的シーンの分離を大幅に強化する。 非定常場面で訓練されたNeRFの過渡的乱れを緩和する手法の優位性とロバスト性を示す実験を行った。
  論文  参考訳（メタデータ） (2024-03-26T09:42:28Z)
• Self-Adaptive Reality-Guided Diffusion for Artifact-Free Super-Resolution [47.29558685384506]
  アーティファクトフリー・スーパーレゾリューション(SR)は、低解像度画像を、オリジナルコンテンツの厳密な整合性のある高解像度画像に変換することを目的としている。 従来の拡散型SR技術は反復的な手順でアーティファクトを導入する傾向にある。 本稿では,自己適応型現実誘導拡散(Self-Adaptive Reality-Guided Diffusion)を提案する。
  論文  参考訳（メタデータ） (2024-03-25T11:29:19Z)
• Tissue Cross-Section and Pen Marking Segmentation in Whole Slide Images [1.1676536944616034]
  我々は200個のH&E染色WSIのデータセットを用いて組織とペンのマーキングセグメンテーションのための畳み込みニューラルネットワークを開発した。 組織横断断面を分離するために, 2次元ヒストグラムにおいて, 組織横断断面の偏心位置をクラスタリングした新しい後処理法を提案する。 提案手法は,WSIにおけるH&E染色組織断面とペンマーキングを高精度に分割し,多くの一般的なスライディングやスキャニングアーティファクトに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-01-24T15:09:12Z)
• Automated Whole Slide Imaging for Label-Free Histology using Photon Absorption Remote Sensing Microscopy [0.0]
  現在の染色法と高度なラベリング法は、しばしば破壊的であり、相互に相容れない。 最初の透過モード光子リモートセンシング顕微鏡を用いたラベルフリー組織学プラットフォームを提案する。
  論文  参考訳（メタデータ） (2023-04-26T12:36:19Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Artifact Removal in Histopathology Images [2.973752436440099]
  CycleGANsのような画像から画像への変換ネットワークは、未使用のデータからアーティファクト削除関数を学習することができる。 本稿では, 人工物除去に伴う代入問題を特定し, これに対処するためのCycleGANの弱教師付き拡張を提案する。 TCGAデータベースからアーティファクトとクリーンタイルからなるパン缶データセットを作成した。
  論文  参考訳（メタデータ） (2022-11-29T12:44:45Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• 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)
• Weakly- and Semi-Supervised Probabilistic Segmentation and Quantification of Ultrasound Needle-Reverberation Artifacts to Allow Better AI Understanding of Tissue Beneath Needles [0.0]
  人工物から所望の組織ベースのピクセル値を分離する確率論的ニードル・アンド・レバーベーション・アーティファクトセグメンテーション法を提案する。 提案手法は,最先端のアーティファクトセグメンテーション性能と一致し,アーティファクトの画素ごとのコントリビューションを,基礎となる解剖学に対して推定する新しい標準を設定する。
  論文  参考訳（メタデータ） (2020-11-24T08:34:38Z)

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。