論文の概要: EpidermaQuant: Unsupervised detection and quantification of epidermal differentiation markers on H-DAB-stained images of reconstructed human epidermis
- arxiv url: http://arxiv.org/abs/2406.03103v1
- Date: Wed, 5 Jun 2024 09:45:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 18:59:55.889899
- Title: EpidermaQuant: Unsupervised detection and quantification of epidermal differentiation markers on H-DAB-stained images of reconstructed human epidermis
- Title（参考訳）: EpidermaQuant: 再構成ヒト表皮のH-DAB染色像における表皮分化マーカーの検出と定量化
- Authors: Dawid Zamojski, Agnieszka Gogler, Dorota Scieglinska, Michal Marczyk,
- Abstract要約: 再建ヒト表皮の一体性は組織学的解析と角化細胞分化マーカーを用いて評価できる。
スキャンされた組織をコンピュータで分析することで、専門家の時間を節約し、定量化の精度を向上させることができる。
染色画像の作成とキャプチャと複数のアーティファクトの存在の間の技術差は、計算方法の結果に影響を及ぼす可能性がある。
- 参考スコア（独自算出の注目度）: 0.2008854179910039
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The integrity of the reconstructed human epidermis generated in vitro could be assessed using histological analyses combined with immunohistochemical staining of keratinocyte differentiation markers. Computer-based analysis of scanned tissue saves the expert time and may improve the accuracy of quantification by eliminating interrater reliability issues. However, technical differences during the preparation and capture of stained images and the presence of multiple artifacts may influence the outcome of computational methods. Using a dataset with 598 unannotated images showing cross-sections of in vitro reconstructed human epidermis stained with DAB-based immunohistochemistry reaction to visualize 4 different keratinocyte differentiation marker proteins (filaggrin, keratin 10, Ki67, HSPA2) and counterstained with hematoxylin, we developed an unsupervised method for the detection and quantification of immunohistochemical staining. The proposed pipeline includes the following steps: (i) color normalization to reduce the variability of pixel intensity values in different samples; (ii) color deconvolution to acquire color channels of the stains used; (iii) morphological operations to find the background area of the image; (iv) automatic image rotation; and (v) finding markers of human epidermal differentiation with clustering. Also, we created a method to exclude images without DAB-stained areas. The most effective combination of methods includes: (i) Reinhard's normalization; (ii) Ruifrok and Johnston color deconvolution method; (iii) proposed image rotation method based on boundary distribution of image intensity; (iv) k-means clustering using DAB stain intensity. These results should enhance the performance of quantitative analysis of protein markers in reconstructed human epidermis samples and enable comparison of their spatial distribution between different experimental conditions.
- Abstract（参考訳）: 組織学的解析とケラチノサイト分化マーカーの免疫組織化学的染色を組み合わせることで,in vitroで得られたヒト表皮の完全性を評価することができる。
スキャンした組織をコンピュータで分析することで、専門家の時間を節約し、インターラッター信頼性の問題を排除することで定量化の精度を向上させることができる。
しかし, 染色画像の作成, キャプチャ, 複数アーティファクトの存在による技術的差異は, 計算結果に影響を及ぼす可能性がある。
DABをベースとした免疫組織化学反応で染色したヒト表皮の断面を再構成した598枚の無注釈画像を用いて4種類のケラチン細胞分化マーカータンパク質(filaggrin, keratin 10, Ki67, HSPA2)を可視化し,ヘマトキシリンと対比し, 免疫組織化学的染色の検出と定量化のための教師なし方法を開発した。
提案されたパイプラインには、以下のステップが含まれている。
一 異なる試料における画素強度値のばらつきを低減するための色正規化
二 使用した染料の色チャンネルを取得するための色脱畳
三 画像の背景領域を見つけるための形態的操作
(四)自動画像回転、及び
(v)クラスタリングによるヒト表皮分化のマーカーの発見。
また,DABを含まない領域を除外する手法も開発した。
最も効果的な組み合わせは以下のとおりである。
(i)ラインハルト正規化
(二)ルフトロックとジョンストンのカラーデコンボリューション法
(iii)画像強度の境界分布に基づく画像回転法
(4)DAB染色強度を用いたK平均クラスタリング
これらの結果は, 再建ヒト表皮におけるタンパク質マーカーの定量的解析性能を高め, 異なる実験条件間での空間分布の比較を可能にした。
関連論文リスト
- Virtual Staining of Label-Free Tissue in Imaging Mass Spectrometry [2.6165589247047465]
空間分解能を高め, 質量分析画像に細胞形態学的コントラストを導入する仮想組織染色法を提案する。
ヒト腎臓組織に対するブラインド試験では、ラベルのないサンプルの実質的に染色された画像は、その組織化学的に染色されたものと密に一致していることが示された。
論文 参考訳（メタデータ） (2024-11-20T08:30:11Z) - StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳（メタデータ） (2024-08-11T01:22:29Z) - Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。
我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文 参考訳（メタデータ） (2024-02-27T10:38:05Z) - AGMDT: Virtual Staining of Renal Histology Images with Adjacency-Guided
Multi-Domain Transfer [9.8359439975283]
画素レベルのアライメントを回避し,画像の他の領域への変換を行う新しい仮想染色フレームワーク AGMDT を提案する。
提案するフレームワーク AGMDT は,球状率検出と二部グラフマッチングにより,複数ドメインのシリアルスライスにまたがるパッチレベルのアライメントペアを検出する。
実験の結果,提案したAGMDTは,高精度な画素レベルのアライメントと未ペアドメイン転送とのバランスが良好であることがわかった。
論文 参考訳（メタデータ） (2023-09-12T17:37:56Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-11-14T18:16:36Z) - 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) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Pix2Pix-based Stain-to-Stain Translation: A Solution for Robust Stain
Normalization in Histopathology Images Analysis [5.33024001730262]
Stain-to-Stain Translation (STST) はヘマトキシリンおよびエオシン染色組織像の正常化に用いられている。
条件付きジェネレータ対向ネットワーク(cGAN)を用いたピクス2ピクセルフレームワークに基づく翻訳処理を行う。
論文 参考訳（メタデータ） (2020-02-03T11:19:01Z)
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。