論文の概要: Scalable, Trustworthy Generative Model for Virtual Multi-Staining from H&E Whole Slide Images
- arxiv url: http://arxiv.org/abs/2407.00098v1
- Date: Wed, 26 Jun 2024 21:52:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 06:30:11.891241
- Title: Scalable, Trustworthy Generative Model for Virtual Multi-Staining from H&E Whole Slide Images
- Title（参考訳）: H&E全スライド画像からの仮想マルチステアリングのためのスケーラブルで信頼性の高い生成モデル
- Authors: Mehdi Ounissi, Ilias Sarbout, Jean-Pierre Hugot, Christine Martinez-Vinson, Dominique Berrebi, Daniel Racoceanu,
- Abstract要約: 化学染色法は信頼性が高いが、幅広い時間と高価な化学物質を必要とし、環境問題を引き起こす。
ジェネレーティブAI技術は、これらの問題に対処する上で重要である。
我々の研究は、仮想染色に生成AIを導入し、計算病理学における性能、信頼性、スケーラビリティ、適応性を向上させることを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chemical staining methods are dependable but require extensive time, expensive chemicals, and raise environmental concerns. These challenges highlight the need for alternative solutions like virtual staining, which accelerates the diagnostic process and enhances stain application flexibility. Generative AI technologies are pivotal in addressing these issues. However, the high-stakes nature of healthcare decisions, especially in computational pathology, complicates the adoption of these tools due to their opaque processes. Our work introduces the use of generative AI for virtual staining, aiming to enhance performance, trustworthiness, scalability, and adaptability in computational pathology. The methodology centers on a singular H&E encoder supporting multiple stain decoders. This design focuses on critical regions in the latent space of H&E, enabling precise synthetic stain generation. Our method, tested to generate 8 different stains from a single H&E slide, offers scalability by loading only necessary model components during production. We integrate label-free knowledge in training, using loss functions and regularization to minimize artifacts, thus improving paired/unpaired virtual staining accuracy. To build trust, we use real-time self-inspection with discriminators for each stain type, providing pathologists with confidence heat-maps. Automatic quality checks on new H&E slides ensure conformity to the trained distribution, ensuring accurate synthetic stains. Recognizing pathologists' challenges with new technologies, we have developed an open-source, cloud-based system, that allows easy virtual staining of H&E slides through a browser, addressing hardware/software issues and facilitating real-time user feedback. We also curated a novel dataset of 8 paired H&E/stains related to pediatric Crohn's disease, comprising 480 WSIs to further stimulate computational pathology research.
- Abstract（参考訳）: 化学染色法は信頼性が高いが、幅広い時間と高価な化学物質を必要とし、環境問題を引き起こす。
これらの課題は、診断プロセスを加速し、染色アプリケーションの柔軟性を高める仮想染色のような代替ソリューションの必要性を強調している。
ジェネレーティブAI技術は、これらの問題に対処する上で重要である。
しかし、特に計算病理学において、医療決定の持つ高い性質は、それらの不透明なプロセスのため、これらのツールの採用を複雑にしている。
我々の研究は、仮想染色に生成AIを導入し、計算病理学における性能、信頼性、スケーラビリティ、適応性を向上させることを目的としている。
この手法は、複数のステンデコーダをサポートする特異なH&Eエンコーダを中心にしている。
この設計は、H&Eの潜伏空間における臨界領域に焦点を当て、正確な合成染色生成を可能にする。
提案手法は,1つのH&Eスライドから8つの異なる染色物を生成するためにテストされ,本システムに必要なモデルコンポーネントのみをロードすることでスケーラビリティを提供する。
ラベルなしの知識を学習において統合し、損失関数と正規化を用いてアーティファクトを最小化し、ペア/アンペア仮想染色精度を向上させる。
信頼を構築するために,各染色の種類ごとに識別器を用いたリアルタイム自己検査を行い,信頼性の高い熱マップを病理学者に提供する。
新しいH&Eスライドの自動品質チェックは、トレーニングされた分布に適合し、正確な合成染色を確実にする。
新しいテクノロジによる病理学者の課題を認識し,ブラウザを通じてH&Eスライドの仮想染色を可能にし,ハードウェアやソフトウェアの問題に対処し,リアルタイムなユーザフィードバックを容易にする,オープンソースのクラウドベースシステムを開発した。
また, 小児クローン病に関連する8つのH&E/stainの新たなデータセットを収集し, 480個のWSIを用いて, 計算病理学研究をさらに促進した。
関連論文リスト
- Generating Seamless Virtual Immunohistochemical Whole Slide Images with Content and Color Consistency [2.063403009505468]
免疫組織化学(IHC)染色は、病理医の医療画像解析において重要な役割を担い、様々な疾患の診断に重要な情報を提供する。
ヘマトキシリンとエオシン(H&E)を染色した全スライド画像(WSI)の仮想染色により、高価な物理的染色プロセスなしで他の有用なICC染色を自動生成することができる。
タイルワイズ処理に基づく現在の仮想WSI生成法は、タイル境界における内容、テクスチャ、色の不整合に悩まされることが多い。
GANモデルを拡張した新しい一貫したWSI合成ネットワークCC-WSI-Netを提案する。
論文 参考訳（メタデータ） (2024-10-01T21:02:16Z) - Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。
ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。
自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
論文 参考訳（メタデータ） (2024-08-20T06:03:40Z) - Autonomous Quality and Hallucination Assessment for Virtual Tissue Staining and Digital Pathology [0.11728348229595655]
仮想組織染色のための自律的品質・幻覚評価法(AQuA)を提案する。
AQuAは、許容され、受け入れられない事実上の染色組織像を検出すると、99.8%の精度を達成する。
論文 参考訳（メタデータ） (2024-04-29T06:32:28Z) - Paired Diffusion: Generation of related, synthetic PET-CT-Segmentation scans using Linked Denoising Diffusion Probabilistic Models [0.0]
本研究では,複数のPET-CT-腫瘍マスクペアをペアネットワークと条件エンコーダを用いて生成できる新しいアーキテクチャを提案する。
我々のアプローチには、DDPMサンプリング一貫性を改善するための革新的で時間的なステップ制御機構とノイズ探索戦略が含まれる。
論文 参考訳（メタデータ） (2024-03-26T14:21:49Z) - Physical Color Calibration of Digital Pathology Scanners for Robust
Artificial Intelligence Assisted Cancer Diagnosis [2.5088131681242483]
デジタル病理学における人工知能の可能性は、スライド画像全体の製造における技術的不整合によって制限される。
スキャナの物理的カラーキャリブレーションはWSIの外観を標準化し、堅牢なAI性能を実現する。
論文 参考訳（メタデータ） (2023-07-07T12:02:54Z) - Label- and slide-free tissue histology using 3D epi-mode quantitative
phase imaging and virtual H&E staining [1.3141683929245986]
組織生検の組織学的染色は、疾患の診断と組織の総合的な臨床評価の基準となる。
我々は,新しい3次元定量的位相イメージング技術である定量的斜め後方照明顕微鏡 (qOBM) と,教師なし生成対向ネットワークパイプラインを組み合わせた。
マウス肝,ラットグリオー肉腫,ヒトグリオーマから得られた新鮮組織標本を用いて,H&Eの高忠実度化を実現した。
論文 参考訳（メタデータ） (2023-06-01T11:09:31Z) - EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable
Rendering and Space Exploration [49.90228618894857]
我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。
我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。
本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-02T03:49:54Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Interpretable Hyperspectral AI: When Non-Convex Modeling meets
Hyperspectral Remote Sensing [57.52865154829273]
ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。
過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。
このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
論文 参考訳（メタデータ） (2021-03-02T03:32:10Z)
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。