論文の概要: Analysis and Validation of Image Search Engines in Histopathology
- arxiv url: http://arxiv.org/abs/2401.03271v2
- Date: Sat, 8 Jun 2024 11:34:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-12 04:08:57.665344
- Title: Analysis and Validation of Image Search Engines in Histopathology
- Title（参考訳）: 病理組織学における画像検索エンジンの解析と検証
- Authors: Isaiah Lahr, Saghir Alfasly, Peyman Nejat, Jibran Khan, Luke Kottom, Vaishnavi Kumbhar, Areej Alsaafin, Abubakr Shafique, Sobhan Hemati, Ghazal Alabtah, Nneka Comfere, Dennis Murphee, Aaron Mangold, Saba Yasir, Chady Meroueh, Lisa Boardman, Vijay H. Shah, Joaquin J. Garcia, H. R. Tizhoosh,
- Abstract要約: 全スライド画像(WSI)は、ガラススライドに装着された組織標本の詳細なデジタル表現である。
WSI と WSI のマッチングは、患者マッチングのクリティカルな方法として機能する。
視覚単語袋(BoVW)、ヨッティクセル(Yottixel)、SISH(SISH)、RetCCL(RetCCL)など4種類の検索手法の広範な解析と検証を行った。
- 参考スコア（独自算出の注目度）: 1.2431249807060922
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Searching for similar images in archives of histology and histopathology images is a crucial task that may aid in patient matching for various purposes, ranging from triaging and diagnosis to prognosis and prediction. Whole slide images (WSIs) are highly detailed digital representations of tissue specimens mounted on glass slides. Matching WSI to WSI can serve as the critical method for patient matching. In this paper, we report extensive analysis and validation of four search methods bag of visual words (BoVW), Yottixel, SISH, RetCCL, and some of their potential variants. We analyze their algorithms and structures and assess their performance. For this evaluation, we utilized four internal datasets ($1269$ patients) and three public datasets ($1207$ patients), totaling more than $200,000$ patches from $38$ different classes/subtypes across five primary sites. Certain search engines, for example, BoVW, exhibit notable efficiency and speed but suffer from low accuracy. Conversely, search engines like Yottixel demonstrate efficiency and speed, providing moderately accurate results. Recent proposals, including SISH, display inefficiency and yield inconsistent outcomes, while alternatives like RetCCL prove inadequate in both accuracy and efficiency. Further research is imperative to address the dual aspects of accuracy and minimal storage requirements in histopathological image search.
- Abstract（参考訳）: 病理組織像と病理組織像のアーカイブで類似の画像を探すことは, トライエイジや診断, 予後, 予測など, 様々な目的で患者のマッチングを支援する重要な課題である。
全スライド画像(WSI)は、ガラススライドに装着された組織標本の詳細なデジタル表現である。
WSI と WSI のマッチングは、患者マッチングのクリティカルな方法として機能する。
本稿では,4種類の検索手法(BoVW, Yottixel, SISH, RetCCL, およびそれらの潜在的な変種)を広範囲に分析し,検証する。
アルゴリズムと構造を分析し,その性能を評価する。
この評価には、4つの内部データセット(1269ドル患者)と3つの公開データセット(127ドル患者)を使用し、5つの主要サイトにわたる380ドルのクラス/サブタイプから合計20万ドル以上をパッチした。
例えば、BoVWのような特定の検索エンジンは、顕著な効率と速度を示すが、精度は低い。
逆に、Yottixelのような検索エンジンは効率とスピードを示し、適度に正確な結果を提供する。
SISHを含む最近の提案では、非効率性を示し、一貫性のない結果をもたらす一方、RetCCLのような代替案は精度と効率の両方において不十分である。
病理画像検索における精度と保存要件の2つの側面に対処するためには,さらなる研究が不可欠である。
関連論文リスト
- Semantic Segmentation Based Quality Control of Histopathology Whole Slide Images [2.953447779233234]
We developed a software pipeline for quality control (QC) of histopathology whole slide images (WSIs)。
異なるレベルのぼかし、組織領域、組織折り、ペンマークなど、さまざまな領域を区分する。
TCGAは、28の臓器から11,000以上の病理像を含むWSIデータセットとして最大である。
論文 参考訳（メタデータ） (2024-10-04T10:03:04Z) - A Short Survey on Set-Based Aggregation Techniques for Single-Vector WSI Representation in Digital Pathology [0.0]
デジタル病理学は、スライド画像全体(WSI)としての組織サンプルのデジタル化、保存、分析を可能にすることによって、病理学の分野に革命をもたらす
WSIは、組織サンプルの複雑な詳細をキャプチャするギガピクセルファイルであり、診断と研究目的のための豊富な情報ソースを提供する。
その巨大さのため、これらの画像を1つのコンパクトベクトルとして表現することは、多くの計算病理学的タスクに不可欠である。
論文 参考訳（メタデータ） (2024-09-06T20:56:25Z) - SPLICE -- Streamlining Digital Pathology Image Processing [0.7852714805965528]
画像分類・問合せのための教師なしパッチアルゴリズムSPLICE(Sequential Patching Lattice for Image Classification and Enquiry)を提案する。
SPLICEは、病理組織学的WSIをコンパクトな代表パッチセットに凝縮し、冗長性を最小化しながらWSIの"コラージュ"を形成する。
教師なしの方法として、SPLICEは組織像の保存要求を50%削減する。
論文 参考訳（メタデータ） (2024-04-26T21:30:36Z) - Once for Both: Single Stage of Importance and Sparsity Search for Vision Transformer Compression [63.23578860867408]
重要度評価と疎度評価を1段階にまとめる方法について検討する。
重要度と疎度の両方を同時に評価するコスト効率の高いOFBを提案する。
実験により、OFBは最先端のサーチベースおよびプルーニングベース手法よりも優れた圧縮性能が得られることが示された。
論文 参考訳（メタデータ） (2024-03-23T13:22:36Z) - QUBIQ: Uncertainty Quantification for Biomedical Image Segmentation Challenge [93.61262892578067]
医用画像分割作業の不確実性、特にラター間変動性は重要な課題である。
この可変性は、自動セグメンテーションアルゴリズムの開発と評価に直接影響を及ぼす。
バイオメディカル画像量化チャレンジ(QUBIQ)における不確実性の定量化のベンチマーク結果を報告する。
論文 参考訳（メタデータ） (2024-03-19T17:57:24Z) - A self-supervised framework for learning whole slide representations [52.774822784847565]
我々は、全スライド画像のギガピクセルスケールの自己スーパービジョンのためのSlide Pre-trained Transformer (SPT)を提案する。
バイオメディカル・マイクロスコープ・データセットを用いて,5つの診断課題におけるSPT視覚表現のベンチマークを行った。
論文 参考訳（メタデータ） (2024-02-09T05:05:28Z) - Histopathology Slide Indexing and Search: Are We There Yet? [0.9867627975175174]
固形腫瘍の3症例における3種類の病理組織学的スライドサーチエンジン(Yottixel,SISH,RetCCL)の臨床的準備について検討した。
3つの画像検索エンジンは、一貫して信頼性のある結果が得られず、悪性の粒度と微妙な特徴を捉えるのに困難であることがわかった。
論文 参考訳（メタデータ） (2023-06-29T15:11:20Z) - 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) - Data-Efficient Vision Transformers for Multi-Label Disease
Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。
ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。
以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文 参考訳（メタデータ） (2022-08-17T09:07:45Z) - Fast and Scalable Image Search For Histology [4.622876656735859]
同様の病理画像検索は、スライド画像全体のギガピクセルの大規模な履歴リポジトリをマージする機会を提供する。
Fast Image Search for Histopathology (FISH)は、画像データベースのサイズに依存しない、無限にスケーラブルな検索速度を実現する。
FISHは自己教師型ディープラーニングを用いてWSIとVan Emde Boasツリーから有意義な表現をエンコードして高速検索を行う。
論文 参考訳（メタデータ） (2021-07-28T18:15:03Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。