論文の概要: Selection of Distinct Morphologies to Divide & Conquer Gigapixel
Pathology Images
- arxiv url: http://arxiv.org/abs/2311.09902v1
- Date: Thu, 16 Nov 2023 13:54:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-17 13:51:06.939036
- Title: Selection of Distinct Morphologies to Divide & Conquer Gigapixel
Pathology Images
- Title(参考訳): ギガピクセル病理像の分割・克服のための異なる形態の選定
- Authors: Abubakr Shafique, Saghir Alfasly, Areej Alsaafin, Peyman Nejat, Jibran
A. Khan, and H.R.Tizhoosh
- Abstract要約: 全スライド画像(WSI)は、複雑な組織構造を示す巨大なデジタル病理ファイルである。
WSIパッチのサブセットを選択するためのSDM(Select of Distinct Morphologies)。
モンタージュ」は、私たちが「モンタージュ」と呼ぶものを形成する。
- 参考スコア(独自算出の注目度): 0.8246494848934447
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Whole slide images (WSIs) are massive digital pathology files illustrating
intricate tissue structures. Selecting a small, representative subset of
patches from each WSI is essential yet challenging. Therefore, following the
"Divide & Conquer" approach becomes essential to facilitate WSI analysis
including the classification and the WSI matching in computational pathology.
To this end, we propose a novel method termed "Selection of Distinct
Morphologies" (SDM) to choose a subset of WSI patches. The aim is to encompass
all inherent morphological variations within a given WSI while simultaneously
minimizing the number of selected patches to represent these variations,
ensuring a compact yet comprehensive set of patches. This systematically
curated patch set forms what we term a "montage". We assess the
representativeness of the SDM montage across various public and private
histopathology datasets. This is conducted by using the leave-one-out WSI
search and matching evaluation method, comparing it with the state-of-the-art
Yottixel's mosaic. SDM demonstrates remarkable efficacy across all datasets
during its evaluation. Furthermore, SDM eliminates the necessity for empirical
parameterization, a crucial aspect of Yottixel's mosaic, by inherently
optimizing the selection process to capture the distinct morphological features
within the WSI.
- Abstract(参考訳): 全スライド画像(WSI)は、複雑な組織構造を示す巨大なデジタル病理ファイルである。
各WSIから小さな、代表的なパッチのサブセットを選択することは不可欠だが、難しい。
したがって、計算病理学における分類やwsiマッチングを含むwsi分析を容易にするためには、"divide & conquer"アプローチが不可欠となる。
そこで本研究では,WSI パッチのサブセットを選択するために,SDM (Selection of Distinct Morphologies) と呼ばれる新しい手法を提案する。
目的は、与えられたWSI内のすべての固有の形態的変化を包含し、同時にこれらの変化を表すために選択されたパッチの数を最小限にし、コンパクトで包括的なパッチセットを保証することである。
この体系的にキュレートされたパッチセットは、私たちが「モンタージュ」と呼ぶものを形成する。
我々は,sdmモンタージュの公共および民間の病理組織学データセットにおける代表性を評価する。
本手法は,WSI検索とマッチング評価を用いて,最新技術であるYottixelのモザイクと比較する。
SDMは評価中に全データセットに対して顕著な有効性を示す。
さらに、SDMは、WSI内の異なる形態的特徴を捉えるために選択過程を本質的に最適化することで、ヨッティクセルのモザイクの重要な側面である経験的パラメータ化の必要性を排除している。
関連論文リスト
- Rotated Multi-Scale Interaction Network for Referring Remote Sensing
Image Segmentation [66.31941110777734]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳(メタデータ) (2023-12-19T08:14:14Z) - Histopathology Whole Slide Image Analysis with Heterogeneous Graph
Representation Learning [78.49090351193269]
本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。
具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。
我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
論文 参考訳(メタデータ) (2023-07-09T14:43:40Z) - Evolutionary Computation in Action: Feature Selection for Deep Embedding
Spaces of Gigapixel Pathology Images [0.6037276428689636]
本稿では, 大規模多目的最適化(LSMOP)に基づくWSI表現の進化的アプローチを提案する。
The Cancer Genome Atlas(TC)画像を用いて,WSI表現,分類精度,特徴品質の観点から提案手法を検証した。
提案した進化的アルゴリズムは、最先端の手法によって提供されるコードよりも8%高い精度でWSIを表現するための非常にコンパクトな特徴ベクトルを求める。
論文 参考訳(メタデータ) (2023-03-02T03:36:15Z) - Maximum Mean Discrepancy Kernels for Predictive and Prognostic Modeling
of Whole Slide Images [1.418033127602866]
コンピュータ病理学では、患者から採取したデジタルスキャンされた組織サンプルの全体スライド画像(WSI)は、サイズが複数ギガピクセルである。
カーネル最大化平均離散性(MMD)分析に基づく新しい戦略を,WSI間のペアの類似性を決定するために検討する。
この研究は、計算病理学における予測的および予測的タスクにWSIレベルのカーネルを適用するためのさらなる道を開くと信じている。
論文 参考訳(メタデータ) (2023-01-23T18:47:41Z) - Diagnose Like a Pathologist: Transformer-Enabled Hierarchical
Attention-Guided Multiple Instance Learning for Whole Slide Image
Classification [39.41442041007595]
複数のインスタンス学習とトランスフォーマーは、病理組織学的にWSI(Whole Slide Image)分類でますます人気がある。
本稿では,WSI を完全に活用するための階層型注意誘導型多重インスタンス学習フレームワークを提案する。
このフレームワーク内では、インテグレート・アテンション・トランスが提案され、トランスの性能をさらに向上する。
論文 参考訳(メタデータ) (2023-01-19T15:38:43Z) - Adaptive Context Selection for Polyp Segmentation [99.9959901908053]
本稿では,ローカルコンテキストアテンション(LCA)モジュール,グローバルコンテキストモジュール(GCM)モジュール,適応選択モジュール(ASM)モジュールで構成される適応コンテキスト選択に基づくエンコーダデコーダフレームワークを提案する。
LCAモジュールは、エンコーダ層からデコーダ層へローカルなコンテキスト機能を提供する。
GCMは、グローバルなコンテキストの特徴をさらに探求し、デコーダ層に送信することを目的としている。ASMは、チャンネルワイドアテンションを通じて、コンテキスト特徴の適応的選択と集約に使用される。
論文 参考訳(メタデータ) (2023-01-12T04:06:44Z) - Hierarchical Transformer for Survival Prediction Using Multimodality
Whole Slide Images and Genomics [63.76637479503006]
下流タスクのためのギガピクセルレベルのスライド病理画像(WSI)の良質な表現を学習することが重要である。
本稿では,病理画像と対応する遺伝子間の階層的マッピングを学習する階層型マルチモーダルトランスフォーマーフレームワークを提案する。
より優れたWSI表現能力を維持しながら、ベンチマーク手法と比較してGPUリソースが少ないアーキテクチャです。
論文 参考訳(メタデータ) (2022-11-29T23:47:56Z) - Semantic Attention and Scale Complementary Network for Instance
Segmentation in Remote Sensing Images [54.08240004593062]
本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。
SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。
SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
論文 参考訳(メタデータ) (2021-07-25T08:53:59Z) - Pay Attention with Focus: A Novel Learning Scheme for Classification of
Whole Slide Images [8.416553728391309]
スライド画像全体(WSI)を解析するための新しい2段階アプローチを提案する。
まず、WSIから代表パッチ(モザイクと呼ばれる)を抽出する。
モザイクの各パッチは、ディープネットワークを用いて特徴ベクトルに符号化される。
第2段階では、WSIから符号化されたパッチレベルの一連の特徴を用いて、一次診断確率を算出する。
論文 参考訳(メタデータ) (2021-06-11T21:59:02Z) - An End-to-End Breast Tumour Classification Model Using Context-Based
Patch Modelling- A BiLSTM Approach for Image Classification [19.594639581421422]
我々は, この関係を, 特定の腫瘍領域から抽出したパッチ間の特徴に基づく相関関係と統合しようと試みている。
我々は、顕微鏡画像とWSI腫瘍領域の2つのデータセットでモデルをトレーニングし、テストした。
CNN機能付きBiLSTMは、パッチをエンドツーエンドの画像分類ネットワークにモデル化する上で、はるかに優れた性能を示した。
論文 参考訳(メタデータ) (2021-06-05T10:43:58Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z)
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。