論文の概要: TMA-Grid: An open-source, zero-footprint web application for FAIR Tissue MicroArray De-arraying

• arxiv url: http://arxiv.org/abs/2407.21233v1
• Date: Tue, 30 Jul 2024 22:40:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 19:14:52.971201
• Title: TMA-Grid: An open-source, zero-footprint web application for FAIR Tissue MicroArray De-arraying
• Title（参考訳）: TMA-Grid: FAIR tissue MicroArray De-arrayingのためのオープンソースのゼロフットプリントWebアプリケーション
• Authors: Aaron Ge, Monjoy Saha, Maire A. Duggan, Petra Lenz, Mustapha Abubakar, Montserrat García-Closas, Jeya Balasubramanian, Jonas S. Almeida, Praphulla MS Bhawsar,
• Abstract要約: 組織マイクロアレイ(TMA)は病理組織学および大規模疫学研究において解析効率を著しく向上させる。 TMAには、しばしばアセンブリエラーによる中核的なミスアライメントやアーティファクトが含まれている。 我々はTMAデアレイのためのブラウザ内ゼロフットプリント対話型WebアプリケーションTMA-Gridを開発した。
• 参考スコア（独自算出の注目度）: 0.193482901474023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Tissue Microarrays (TMAs) significantly increase analytical efficiency in histopathology and large-scale epidemiologic studies by allowing multiple tissue cores to be scanned on a single slide. The individual cores can be digitally extracted and then linked to metadata for analysis in a process known as de-arraying. However, TMAs often contain core misalignments and artifacts due to assembly errors, which can adversely affect the reliability of the extracted cores during the de-arraying process. Moreover, conventional approaches for TMA de-arraying rely on desktop solutions.Therefore, a robust yet flexible de-arraying method is crucial to account for these inaccuracies and ensure effective downstream analyses. Results: We developed TMA-Grid, an in-browser, zero-footprint, interactive web application for TMA de-arraying. This web application integrates a convolutional neural network for precise tissue segmentation and a grid estimation algorithm to match each identified core to its expected location. The application emphasizes interactivity, allowing users to easily adjust segmentation and gridding results. Operating entirely in the web-browser, TMA-Grid eliminates the need for downloads or installations and ensures data privacy. Adhering to FAIR principles (Findable, Accessible, Interoperable, and Reusable), the application and its components are designed for seamless integration into TMA research workflows. Conclusions: TMA-Grid provides a robust, user-friendly solution for TMA dearraying on the web. As an open, freely accessible platform, it lays the foundation for collaborative analyses of TMAs and similar histopathology imaging data. Availability: Web application: https://episphere.github.io/tma-grid Code: https://github.com/episphere/tma-grid Tutorial: https://youtu.be/miajqyw4BVk
• Abstract（参考訳）: 背景: 組織マイクロアレイ(TMA)は、複数の組織コアを単一のスライドでスキャンすることで、病理組織学および大規模疫学研究における分析効率を著しく向上させる。 個々のコアはデジタル的に抽出され、デアレイと呼ばれるプロセスで分析のためのメタデータにリンクされる。 しかしながら、TMAは組立誤差によるコアのミスアライメントやアーティファクトを多く含み、デアレイ処理中に抽出されたコアの信頼性に悪影響を及ぼす可能性がある。 さらに、従来のTMAデアレイ手法はデスクトップソリューションに依存しており、これらの不正確さを考慮し、効果的な下流解析を確保するためには、頑健で柔軟なデアレイ方式が不可欠である。 結果: ブラウザ内, ゼロフットプリント, インタラクティブな Web アプリケーションである TMA-Grid を開発した。 このウェブアプリケーションは、組織の精密なセグメンテーションのための畳み込みニューラルネットワークと、識別されたコアと期待された位置とを一致させるグリッド推定アルゴリズムを統合する。 このアプリケーションは対話性を重視しており、ユーザーはセグメンテーションやグリッド化の結果を容易に調整できる。 Webブラウザで完全に動作するTMA-Gridは、ダウンロードやインストールの必要性を排除し、データのプライバシを確保する。 FAIR原則(Findable、Accessible、Interoperable、Reusable)に準拠したアプリケーションとそのコンポーネントは、TMAリサーチワークフローへのシームレスな統合のために設計されています。 結論: TMA-Gridは、Web上でTMAを優先する堅牢でユーザフレンドリなソリューションを提供します。 オープンで自由にアクセスできるプラットフォームとして、TMAと類似の病理画像データの共同解析の基礎を築いている。 可用性: Web アプリケーション: https://episphere.github.io/tma-grid Code: https://github.com/episphere/tma-grid Tutorial: https://youtu.be/miajqyw4BVk

関連論文リスト

• MSA$^2$Net: Multi-scale Adaptive Attention-guided Network for Medical Image Segmentation [8.404273502720136]
  MSA$2$Netは、スキップ接続を適切に設計した新しいディープセグメンテーションフレームワークである。 本稿では,空間的特徴を選択的に強調するために,MASAG(Multi-Scale Adaptive Space Attention Gate)を提案する。 MSA$2$Netは、最先端のSOTA(State-of-the-art)よりも優れています。
  論文  参考訳（メタデータ） (2024-07-31T14:41:10Z)
• RigLSTM: Recurrent Independent Grid LSTM for Generalizable Sequence Learning [75.61681328968714]
  本稿では,対象タスクの基盤となるモジュール構造を利用するために,リカレントな独立したGrid LSTM(RigLSTM)を提案する。 本モデルでは, セル選択, 入力特徴選択, 隠れ状態選択, ソフト状態更新を採用し, より優れた一般化を実現する。
  論文  参考訳（メタデータ） (2023-11-03T07:40:06Z)
• MEGANet: Multi-Scale Edge-Guided Attention Network for Weak Boundary Polyp Segmentation [11.190960453535542]
  医療における効率的なポリープセグメンテーションは、早期に大腸癌を診断する上で重要な役割を担っている。 大腸内視鏡画像中のポリプセグメンテーションに適したマルチスケールエッジガイド注意ネットワーク(MEGANet)を提案する。 MEGANetはエンドツーエンドのフレームワークとして設計されており、エンコーダ、デコーダ、エッジガイドアテンションモジュール(EGA)という3つの主要なモジュールを含んでいる。
  論文  参考訳（メタデータ） (2023-09-06T19:19:12Z)
• Complementary Random Masking for RGB-Thermal Semantic Segmentation [63.93784265195356]
  RGB-熱的セマンティックセグメンテーションは、悪天候や照明条件における信頼性の高いセマンティックセマンティックセマンティック理解を実現するための潜在的ソリューションである。 本稿では,1)RGB-T画像の相補的ランダムマスキング戦略,2)クリーンモードとマスク入力モードの自己蒸留損失を提案する。 3つのRGB-Tセマンティックセマンティックセグメンテーションベンチマークで最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-30T13:57:21Z)
• Learning from partially labeled data for multi-organ and tumor segmentation [102.55303521877933]
  本稿では,トランスフォーマーに基づく動的オンデマンドネットワーク(TransDoDNet)を提案する。 動的ヘッドにより、ネットワークは複数のセグメンテーションタスクを柔軟に達成することができる。 我々はMOTSと呼ばれる大規模にラベル付けされたMulti-Organ and tumorベンチマークを作成し、他の競合相手よりもTransDoDNetの方が優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-13T13:03:09Z)
• TRUST: An Accurate and End-to-End Table structure Recognizer Using Splitting-based Transformers [56.56591337457137]
  本稿では,TRUSTと呼ばれるテーブル構造認識手法を提案する。 変換器は、大域的な計算、完全メモリ、並列計算のためにテーブル構造認識に適している。 我々はPubTabNetやSynthTableなど,いくつかの人気のあるベンチマークで実験を行い,新しい最先端の結果を得た。
  論文  参考訳（メタデータ） (2022-08-31T08:33:36Z)
• MFSNet: A Multi Focus Segmentation Network for Skin Lesion Segmentation [28.656853454251426]
  本研究は,皮膚病変の制御のための人工知能(AI)フレームワークを開発する。 MFSNetは3つの公開データセットで評価され、最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-27T16:10:40Z)
• Multipath CNN with alpha matte inference for knee tissue segmentation from MRI [2.064612766965483]
  本稿では, 深層学習に基づく膝組織分割のための自動セグメンテーションフレームワークを提案する。 低階テンソル再構成セグメンテーションネットワークとデコーダベースのセグメンテーションネットワークを組み合わせた,新しいマルチパスCNN方式を提案する。 CNNからのセグメンテーションをさらに改善するため、重畳された領域を効果的に活用するトリマップ生成を提案する。
  論文  参考訳（メタデータ） (2021-09-29T07:48:47Z)
• Hierarchical Dynamic Filtering Network for RGB-D Salient Object Detection [91.43066633305662]
  RGB-D Salient Object Detection (SOD) の主な目的は、相互融合情報をよりよく統合し活用する方法である。 本稿では,これらの問題を新たな視点から考察する。 我々は、より柔軟で効率的なマルチスケールのクロスモーダルな特徴処理を実装している。
  論文  参考訳（メタデータ） (2020-07-13T07:59:55Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)
• DVNet: A Memory-Efficient Three-Dimensional CNN for Large-Scale Neurovascular Reconstruction [1.9199289015460215]
  画素単位のセマンティックセマンティックセグメンテーションのための,完全畳み込み,深層化,密結合型エンコーダデコーダを提案する。 提案ネットワークは,オープンソースベンチマークに適用したセマンティックセグメンテーション問題に対して,優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-02-04T22:39:58Z)

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。