論文の概要: Grey Level Texture Features for Segmentation of Chromogenic Dye RNAscope From Breast Cancer Tissue

• arxiv url: http://arxiv.org/abs/2401.15886v1
• Date: Mon, 29 Jan 2024 04:43:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 16:05:53.574948
• Title: Grey Level Texture Features for Segmentation of Chromogenic Dye RNAscope From Breast Cancer Tissue
• Title（参考訳）: 乳癌組織からの色素性染料rnaスコープのセグメンテーションのためのグレーレベルテクスチャの特徴
• Authors: Andrew Davidson (1), Arthur Morley-Bunker (2), George Wiggins (2), Logan Walker (2), Gavin Harris (3), Ramakrishnan Mukundan (1), kConFab Investigators (4 and 5) ((1) University of Canterbury, (2) University of Otago, (3) Canterbury Health Laboratories, (4) The University of Melbourne, (5) Peter MacCallum Cancer Center)
• Abstract要約: 本稿では, RNAスコープの転写位置の自動分割・分類におけるグレーレベルテクスチャの有用性について検討する。 Gray Level Dependence Matrix や Neighbouring Gray Tone Different Matrix など,いくつかのグレーレベル機能は,このタスクに適していた。 この手法は、RNAスコープ転写産物の位置を特定する専門家アノテータと同様に、F1スコアが0.571であり、専門家間F1スコアが0.596であるのに対して、F1スコアが0.571である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chromogenic RNAscope dye and haematoxylin staining of cancer tissue facilitates diagnosis of the cancer type and subsequent treatment, and fits well into existing pathology workflows. However, manual quantification of the RNAscope transcripts (dots), which signify gene expression, is prohibitively time consuming. In addition, there is a lack of verified supporting methods for quantification and analysis. This paper investigates the usefulness of gray level texture features for automatically segmenting and classifying the positions of RNAscope transcripts from breast cancer tissue. Feature analysis showed that a small set of gray level features, including Gray Level Dependence Matrix and Neighbouring Gray Tone Difference Matrix features, were well suited for the task. The automated method performed similarly to expert annotators at identifying the positions of RNAscope transcripts, with an F1-score of 0.571 compared to the expert inter-rater F1-score of 0.596. These results demonstrate the potential of gray level texture features for automated quantification of RNAscope in the pathology workflow.
• Abstract（参考訳）: 癌組織のクロマトキシリン染色とヘマトキシリン染色は、がんの診断とその後の治療が容易であり、既存の病理学のワークフローによく適合する。 しかし、遺伝子発現を示すRNAscope transcripts(dots)の手での定量化は、極めて時間を要する。 さらに、定量化と分析のための検証された支援方法が欠如している。 本稿では,乳癌組織からrnaスコープ転写産物の位置の自動分割と分類を行うためのグレーレベルテクスチャ特徴の有用性について検討する。 特徴分析の結果,Gray Level Dependence Matrix や Neighbouring Gray Tone difference Matrix など,少数のグレーレベル特徴がタスクに適していることがわかった。 この自動化法は、RNAスコープ転写産物の位置を特定する専門家アノテータと同様に、F1スコアは0.571であり、専門家間F1スコアは0.596である。 これらの結果は、病理ワークフローにおけるRNAスコープの自動定量化のためのグレーレベルテクスチャ機能の可能性を示している。

関連論文リスト

• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Pan-cancer gene set discovery via scRNA-seq for optimal deep learning based downstream tasks [6.869831177092736]
  腫瘍生検181例のscRNA-seqデータを13種類の癌で解析した。 高次元重み付き遺伝子共発現ネットワーク解析(hdWGCNA)を行い、関連遺伝子群を同定した。 多層パーセプトロン(MLP)やグラフニューラルネットワーク(GNN)を含むディープラーニングモデルを用いたOncoKBのオンコジーンの評価
  論文  参考訳（メタデータ） (2024-08-13T23:24:36Z)
• A Novel Approach to Breast Cancer Histopathological Image Classification Using Cross-Colour Space Feature Fusion and Quantum-Classical Stack Ensemble Method [0.0]
  乳癌の分類は、タイムリーな診断と効果的な治療を確実にするための重要な柱である。 本研究は、乳がん分類の精度を高めるために、色空間アンサンブルと量子古典的積み重ねの相乗効果を利用する。
  論文  参考訳（メタデータ） (2024-04-03T04:26:50Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Application of Graph Based Features in Computer Aided Diagnosis for Histopathological Image Classification of Gastric Cancer [7.607669435880715]
  胃癌の病理組織学的画像解析にグラフベースの特徴が応用される。 U-Netを用いて組織領域を分割し、グラフベースの特徴を抽出し、最終的にRBF SVM分類器を使用することで94.29%の最適結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-05-17T16:16:29Z)
• 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)
• Computer-aided Recognition and Assessment of a Porous Bioelastomer on Ultrasound Images for Regenerative Medicine Applications [3.4276717980242553]
  足場の劣化性能を識別するためには,超音波画像に基づくコンピュータ支援分析手法を開発する必要がある。 多孔質バイオエラストマーの連続的かつ正確な輪郭を抽出するために、単一の従来の画像処理アルゴリズムを使用することは困難である。 本稿では, バイオエラストマーの輪郭検出のためのジョイントアルゴリズムと, バイオエラストマーの劣化挙動をモニタリングするためのテクスチャ特徴抽出法を提案する。
  論文  参考訳（メタデータ） (2022-01-28T08:42:58Z)
• 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)
• Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
  癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。 本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-22T17:31:23Z)
• Deep Transfer Learning for Texture Classification in Colorectal Cancer Histology [0.0]
  偏微分微調整と一サイクル政治を併用し,構造保存色正規化を適用して結果を向上する。 96.2%の最先端テスト精度を達成することで、メモリ制限ハードウェアにSqueezeNetと呼ばれるデプロイメントフレンドリなアーキテクチャの使用も開始しました。
  論文  参考訳（メタデータ） (2020-04-03T15:05:36Z)

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。