Fugu-MT 論文翻訳(概要): QuST: QuPath Extension for Integrative Whole Slide Image and Spatial Transcriptomics Analysis

論文の概要: QuST: QuPath Extension for Integrative Whole Slide Image and Spatial Transcriptomics Analysis

arxiv url: http://arxiv.org/abs/2406.01613v3
Date: Fri, 15 Nov 2024 05:50:55 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-18 18:55:21.062477
Title: QuST: QuPath Extension for Integrative Whole Slide Image and Spatial Transcriptomics Analysis
Title（参考訳）: QuST: QuPath Extension for Integrative Whole Slide Image and Space Transcriptomics Analysis
Authors: Chao-Hui Huang, Sara Lichtarge, Diane Fernandez,
Abstract要約: デジタル病理学におけるAIの統合は、病気の理解を深める大きな可能性を秘めている。本稿では,WSIとSTのギャップを埋めるツールQuSTを紹介する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The integration of AI in digital pathology, particularly in whole slide image (WSI) and spatial transcriptomics (ST) analysis, holds immense potential for enhancing our understanding of diseases. Despite challenges such as training pattern preparation and resolution disparities, the convergence of these technologies can unlock new insights. We introduce QuST, a tool that bridges the gap between WSI and ST, underscoring the transformative power of this integrated approach in disease biology.
Abstract（参考訳）: デジタル病理学におけるAIの統合、特に全スライド画像(WSI)と空間転写学(ST)分析は、病気の理解を深める大きな可能性を秘めている。トレーニングパターンの準備や解像度の格差といった課題にもかかわらず、これらの技術の収束は新たな洞察を解き放つことができる。本稿では,WSIとSTのギャップを埋めるツールQuSTを紹介する。

関連論文リスト

PathAlign: A vision-language model for whole slide images in histopathology [13.567674461880905]
We developed a vision- language model based on the BLIP-2 framework using WSIs and curated text from pathology reports。これにより、関心のある事例を見つけるために、テキストや画像検索などの共有画像テキスト埋め込みスペースを利用することができる。本稿では、WSI埋め込みを用いたテキスト生成とテキスト検索の病理学評価と、WSI分類とワークフロー優先順位付けの結果について述べる。
論文参考訳（メタデータ） (2024-06-27T23:43:36Z)
Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
HistoSegCap: Capsules for Weakly-Supervised Semantic Segmentation of Histological Tissue Type in Whole Slide Images [19.975420988169454]
デジタル病理学では、物理的組織スライドを高解像度の全体スライド画像(WSI)に変換する。多数の顕微鏡フィールドを持つ大きな組織学スライドは、ビジュアルサーチの課題を提起する。コンピュータ支援診断システム(CAD)は、WSIを効率的に検査し、診断に関連のある領域を識別するための視覚的補助を提供する。
論文参考訳（メタデータ） (2024-02-16T17:44:11Z)
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)
Long-MIL: Scaling Long Contextual Multiple Instance Learning for Histopathology Whole Slide Image Analysis [9.912061800841267]
病理組織の全スライド画像(WSI)を解析に用いる。以前の方法は一般的にWSIを多数のパッチに分割し、WSI内のすべてのパッチを集約してスライドレベルの予測を行う。本稿では,線形バイアスを注意に導入することにより,形状の異なる長文WSIの位置埋め込みを改善することを提案する。
論文参考訳（メタデータ） (2023-11-21T03:08:47Z)
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)
EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文参考訳（メタデータ） (2022-08-01T18:47:03Z)
A State-of-the-art Survey of Artificial Neural Networks for Whole-slide Image Analysis:from Popular Convolutional Neural Networks to Potential Visual Transformers [18.031804027273292]
ホイルスライド画像(WSI)は, 疾患の診断と解析において, 徐々に重要な役割を担っている。病理学者の仕事の客観性および正確さを高めるために、人工ニューラルネットワーク(ANN)の方法は一般に必要でした。
論文参考訳（メタデータ） (2021-04-13T14:39:33Z)
A Comprehensive Review of Computer-aided Whole-slide Image Analysis: from Datasets to Feature Extraction, Segmentation, Classification, and Detection Approaches [21.317219960860267]
全身スライド画像(WSI)スキャナーは、病理診断の分野で広く使用されています。本稿では,機械学習に基づくWSI分析手法について概説する。
論文参考訳（メタデータ） (2021-02-21T08:30:48Z)
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)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。