Fugu-MT 論文翻訳(概要): On Image Search in Histopathology

論文の概要: On Image Search in Histopathology

arxiv url: http://arxiv.org/abs/2401.08699v3
Date: Fri, 22 Mar 2024 03:31:22 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 22:10:49.209132
Title: On Image Search in Histopathology
Title（参考訳）: 病理組織学における画像検索について
Authors: H. R. Tizhoosh, Liron Pantanowitz,
Abstract要約: 病理組織学における画像検索技術の最近の展開について概説する。本研究は, 画像検索の効率, 高速, 効率的な手法を求める計算病理研究者向けに, 簡潔な概要を提示する。
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: Pathology images of histopathology can be acquired from camera-mounted microscopes or whole slide scanners. Utilizing similarity calculations to match patients based on these images holds significant potential in research and clinical contexts. Recent advancements in search technologies allow for implicit quantification of tissue morphology across diverse primary sites, facilitating comparisons and enabling inferences about diagnosis, and potentially prognosis, and predictions for new patients when compared against a curated database of diagnosed and treated cases. In this paper, we comprehensively review the latest developments in image search technologies for histopathology, offering a concise overview tailored for computational pathology researchers seeking effective, fast and efficient image search methods in their work.
Abstract（参考訳）: 病理像は、カメラ搭載顕微鏡またはスライドスキャナー全体から取得することができる。これらの画像に基づいて、類似性計算を用いて患者と一致させることは、研究や臨床の文脈において大きな可能性を秘めている。近年の検索技術の進歩により、様々な一次部位にわたる組織形態の暗黙的な定量化が可能となり、比較が容易になり、診断に関する推論が可能となり、また、診断および治療された症例のキュレートされたデータベースと比較した場合に新しい患者を予測できる可能性がある。本稿では,画像検索技術における病理組織学の最近の進歩を概観し,その研究に有効な,高速かつ効率的な画像検索手法を求める計算病理研究者向けの簡潔な概要を提供する。

関連論文リスト

Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits [0.7968706282619793]
マルチ多重イメージングは、複数のバイオマーカーを1つのセクションで同時に視覚化することを可能にする。多重画像からのデータは、前処理、セグメンテーション、特徴抽出、空間解析のための洗練された計算方法を必要とする。 PathMLは、画像分析を効率化するAIベースのプラットフォームで、臨床および研究環境では複雑な解釈がアクセス可能である。
論文参考訳（メタデータ） (2024-11-01T18:02:41Z)
Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
On Validation of Search & Retrieval of Tissue Images in Digital Pathology [0.0]
医療画像は、診断、治療計画、疾病モニタリングに不可欠な情報を提供することによって、現代医療において重要な役割を担っている。技術的進歩は、医療画像の量と複雑さを指数関数的に増加させてきた。 CBIR (Content-Based Image Retrieval) システムは、視覚コンテンツに基づいて画像を検索して検索することで、このニーズに対処する。
論文参考訳（メタデータ） (2024-08-02T20:55:45Z)
Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文参考訳（メタデータ） (2023-11-18T14:52:26Z)
Region-based Contrastive Pretraining for Medical Image Retrieval with Anatomic Query [56.54255735943497]
医用画像検索のための地域別コントラスト事前トレーニング(RegionMIR) 医用画像検索のための領域ベースコントラスト事前トレーニング(RegionMIR)について紹介する。
論文参考訳（メタデータ） (2023-05-09T16:46:33Z)
A Morphology Focused Diffusion Probabilistic Model for Synthesis of Histopathology Images [0.5541644538483947]
深層学習法は組織像の解析と分類に大きな進歩をもたらした。これらの合成画像は、教育、熟練度テスト、プライバシ、データ共有など、病理学にいくつかの応用がある。
論文参考訳（メタデータ） (2022-09-27T05:58:35Z)
Recent advances and clinical applications of deep learning in medical image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文参考訳（メタデータ） (2021-05-27T18:05:12Z)
Semantic segmentation of multispectral photoacoustic images using deep learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2021-05-20T09:33:55Z)
Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文参考訳（メタデータ） (2021-02-07T19:12:32Z)
Objective Diagnosis for Histopathological Images Based on Machine Learning Techniques: Classical Approaches and New Trends [0.33554367023486936]
病理組織像は顕微鏡で撮影され、多くの疾患を特定し、調査し、分類する。病理組織像の解析は、疾患の診断を支援する多種多様かつ関連する研究領域である。本稿では, 組織像解析に応用された従来の深層学習技術について概観する。
論文参考訳（メタデータ） (2020-11-10T07:31:05Z)
Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文参考訳（メタデータ） (2020-10-07T08:36:44Z)

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。