論文の概要: Point Projection Mapping System for Tracking, Registering, Labeling and Validating Optical Tissue Measurements

• arxiv url: http://arxiv.org/abs/2311.13378v1
• Date: Wed, 22 Nov 2023 13:19:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 15:04:43.830661
• Title: Point Projection Mapping System for Tracking, Registering, Labeling and Validating Optical Tissue Measurements
• Title（参考訳）: 光組織計測の追跡、登録、ラベリング、検証のための点投影マッピングシステム
• Authors: Lianne Feenstra, Stefan D.van der Stel, Marcos Da Silva Guimaraes, Theo J.M Ruers and Behdad Dashtbozorg
• Abstract要約: 本稿では, 組織試料の計測位置を非破壊的に追跡できるポイントプロジェクションマッピングシステムを提案する。 病理組織学的結果を用いた正確な登録, 検証, ラベル付けを行うための枠組みを, ケーススタディで提案し, 検証した。
• 参考スコア（独自算出の注目度）: 0.1874930567916036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Validation of newly developed optical tissue sensing techniques for tumor detection during cancer surgery requires an accurate correlation with histological results. Additionally, such accurate correlation facilitates precise data labeling for developing high-performance machine-learning tissue classification models. In this paper, a newly developed Point Projection Mapping system will be introduced, which allows non-destructive tracking of the measurement locations on tissue specimens. Additionally, a framework for accurate registration, validation, and labeling with histopathology results is proposed and validated on a case study. The proposed framework provides a more robust and accurate method for tracking and validation of optical tissue sensing techniques, which saves time and resources compared to conventional techniques available.
• Abstract（参考訳）: 癌手術における腫瘍検出のための新しい光学組織センシング技術の検証には,組織学的結果と正確な相関が必要である。 さらに、そのような正確な相関は、高性能な機械学習組織分類モデルを開発するための正確なデータラベリングを促進する。 本稿では, 組織標本の計測位置を非破壊的に追跡する, 新たに開発した点投影マッピングシステムを提案する。 また,病理組織学的結果を用いた正確な登録,検証,ラベリングの枠組みを提案し,ケーススタディで検証した。 提案手法は, 従来の手法に比べて時間と資源を節約し, 光組織センシング技術の追跡と検証を行うための, より堅牢で正確な手法を提供する。

関連論文リスト

• TopOC: Topological Deep Learning for Ovarian and Breast Cancer Diagnosis [3.262230127283452]
  トポロジカルデータ分析は、異なる色チャネルにわたるトポロジカルパターンの評価を通じて重要な情報を抽出することで、ユニークなアプローチを提供する。 卵巣癌と乳癌では, トポロジカルな特徴を取り入れることで, 腫瘍型の分化が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2024-10-13T12:24:13Z)
• Fully Automated OCT-based Tissue Screening System [5.646346784449182]
  このシステムは、カスタムデザインの電動プラットフォームと、サンプルを横断する自動的、連続的なイメージングのための組織検出機能を備えている。 この完全に自動化されたOCTベースのシステムは、組織スクリーニングの大幅な進歩を示し、薬物発見を変革することを約束している。
  論文  参考訳（メタデータ） (2024-05-15T14:56:17Z)
• SpecstatOR: Speckle statistics-based iOCT Segmentation Network for Ophthalmic Surgery [39.66047935237083]
  本研究では, スペックルパターンの統計的解析を用いて, 統計的病理学固有の事前知識を取り入れた。 以上の結果より,網膜内および網膜層と手術器具の間には,統計的に異なるスペックルパターンが認められた。 提案するセグメンテーションモデルは, 組織理解に基づく統計的知見の洗練を目的としている。
  論文  参考訳（メタデータ） (2024-04-30T11:49:29Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Reciprocal Landmark Detection and Tracking with Extremely Few Annotations [10.115679843920958]
  本稿では,心エコーラベルのスパース特性を扱うために,新しいエンドツーエンドの相互検出・追跡モデルを提案する。 このモデルは、心臓のシネシーケンス全体にわたって注釈付きフレームをほとんど使わずにトレーニングされ、ランドマークの一貫した検出と追跡が生成される。
  論文  参考訳（メタデータ） (2021-01-27T06:59:41Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• Mitosis Detection Under Limited Annotation: A Joint Learning Approach [5.117836409118142]
  深層学習に基づく有糸分裂検出は病理学者と同等であるが、トレーニングには大きなラベル付きデータが必要である。 そこで本研究では,距離距離メトリック学習を用いて,軟弱損失によるクラスラベル情報とサンプル間の空間分布情報を活用することで,ミトーシス検出の深層分類フレームワークを提案する。 本フレームワークは,トレーニングデータ全体の使用方法と比較して,少ないトレーニングデータによる検出を著しく改善し,同等あるいは優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-06-17T10:46:29Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。