論文の概要: Automated segmentation of rheumatoid arthritis immunohistochemistry
stained synovial tissue
- arxiv url: http://arxiv.org/abs/2309.07255v1
- Date: Wed, 13 Sep 2023 18:43:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-15 16:58:03.872527
- Title: Automated segmentation of rheumatoid arthritis immunohistochemistry
stained synovial tissue
- Title（参考訳）: 関節リウマチ免疫組織化学染色滑膜組織の自動分節化
- Authors: Amaya Gallagher-Syed, Abbas Khan, Felice Rivellese, Costantino
Pitzalis, Myles J. Lewis, Gregory Slabaugh, Michael R. Barnes
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rheumatoid Arthritis (RA) is a chronic, autoimmune disease which primarily
affects the joint's synovial tissue. It is a highly heterogeneous disease, with
wide cellular and molecular variability observed in synovial tissues. Over the
last two decades, the methods available for their study have advanced
considerably. In particular, Immunohistochemistry stains are well suited to
highlighting the functional organisation of samples. Yet, analysis of
IHC-stained synovial tissue samples is still overwhelmingly done manually and
semi-quantitatively by expert pathologists. This is because in addition to the
fragmented nature of IHC stained synovial tissue, there exist wide variations
in intensity and colour, strong clinical centre batch effect, as well as the
presence of many undesirable artefacts present in gigapixel Whole Slide Images
(WSIs), such as water droplets, pen annotation, folded tissue, blurriness, etc.
There is therefore a strong need for a robust, repeatable automated tissue
segmentation algorithm which can cope with this variability and provide support
to imaging pipelines. We train a UNET on a hand-curated, heterogeneous
real-world multi-centre clinical dataset R4RA, which contains multiple types of
IHC staining. The model obtains a DICE score of 0.865 and successfully segments
different types of IHC staining, as well as dealing with variance in colours,
intensity and common WSIs artefacts from the different clinical centres. It can
be used as the first step in an automated image analysis pipeline for synovial
tissue samples stained with IHC, increasing speed, reproducibility and
robustness.
- Abstract（参考訳）: 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。
過去20年間で、彼らの研究に利用できる方法はかなり進歩した。
特に免疫組織化学染色はサンプルの機能的構造を強調するのに好適である。
しかし、IHCによる滑膜組織サンプルの分析は、専門家の病理学者によって手動および半定量的に行われている。
これは、icc染色滑膜組織の断片的な性質に加えて、強度と色、強い臨床センターバッチ効果、および水滴、ペンアノテーション、折りたたみ組織、ぼかしなど、ギガピクセル全体のスライド画像(wsis)に存在する望ましくない多くのアーティファクトの存在など、幅広いバリエーションが存在するためである。
したがって、この変動に対処し、画像パイプラインのサポートを提供する、堅牢で繰り返し可能な自動組織分割アルゴリズムが強く必要である。
我々は,多種類のicc染色を含む実世界多センター臨床データセットr4ra上でunetを訓練する。
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。
IHCで染色された滑膜組織サンプルの自動画像解析パイプラインの第1ステップとして利用でき、速度、再現性、堅牢性を高めることができる。
関連論文リスト
- FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。
このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。
本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文 参考訳（メタデータ） (2024-10-29T21:37:03Z) - 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) - StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳（メタデータ） (2024-08-11T01:22:29Z) - Structural Cycle GAN for Virtual Immunohistochemistry Staining of Gland
Markers in the Colon [1.741980945827445]
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。
論文 参考訳（メタデータ） (2023-08-25T05:24:23Z) - Virtual histological staining of unlabeled autopsy tissue [1.9351365037275405]
トレーニングされたニューラルネットワークは、ラベルのない解剖組織セクションの自己蛍光画像から、ヘマトキシリンとエオシンの染色された同じサンプルの鮮明な等価画像に変換することができる。
我々の仮想解剖染色技術は壊死組織にまで拡張することができ、重篤な自己分解と細胞死にもかかわらず、高速かつ費用対効果で無形H&E染色を生成できる。
論文 参考訳（メタデータ） (2023-08-02T03:31:22Z) - Virtual stain transfer in histology via cascaded deep neural networks [2.309018557701645]
ケースドディープニューラルネットワーク(C-DNN)による仮想染色伝達フレームワークの実証を行った。
C-DNNは、入力として1つの染色タイプのみを取り込んで別の染色タイプの画像をデジタル出力する単一のニューラルネットワーク構造とは異なり、まず仮想染色を使用して、自己蛍光顕微鏡画像をH&Eに変換する。
我々は,H&E染色組織像を仮想PAS( periodic acid-Schiff)染色に変換することに成功した。
論文 参考訳（メタデータ） (2022-07-14T00:43:18Z) - 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) - 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) - Deep learning-based transformation of the H&E stain into special stains [44.38127957263123]
腎針核生検の組織切片を用いた,H&Eから特殊染色への教師あり学習型コンピュータステンレス変換の有用性を示す。
結果: 染色変態ネットワークにより生成された特殊染色の品質は, 標準組織化学的染色により生成されたものと統計的に同等であった。
論文 参考訳（メタデータ） (2020-08-20T10:12:03Z) - Alleviating the Incompatibility between Cross Entropy Loss and Episode
Training for Few-shot Skin Disease Classification [76.89093364969253]
そこで本研究では,皮膚疾患の診断にFew-Shot Learningを応用し,トレーニングサンプル問題の極端な不足に対処することを提案する。
本稿では, エピソード学習において, クロスエントロピー(CE)よりも優れたクエリ-相対的損失(QR)を提案する。
さらに,新しい適応型ハードマージン戦略により,提案したQR損失をさらに強化する。
論文 参考訳（メタデータ） (2020-04-21T00:57:11Z)
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。