論文の概要: DeReStainer: H&E to IHC Pathological Image Translation via Decoupled Staining Channels

• arxiv url: http://arxiv.org/abs/2409.00649v1
• Date: Sun, 1 Sep 2024 07:56:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 13:09:07.839991
• Title: DeReStainer: H&E to IHC Pathological Image Translation via Decoupled Staining Channels
• Title（参考訳）: DeReStainer: Decoupled Staining ChannelsによるH&EからIHCへの画像翻訳
• Authors: Linda Wei, Shengyi Hua, Shaoting Zhang, Xiaofan Zhang,
• Abstract要約: 本稿では,H&E染色をIHC染色に変換するための持続的フレームワークを提案する。 IHC画像を生成するためにヘマトキシリンおよびジアミノベンジジン(DAB)チャネルに特異的な損失関数を設計する。
• 参考スコア（独自算出の注目度）: 10.321593505248341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer is a highly fatal disease among cancers in women, and early detection is crucial for treatment. HER2 status, a valuable diagnostic marker based on Immunohistochemistry (IHC) staining, is instrumental in determining breast cancer status. The high cost of IHC staining and the ubiquity of Hematoxylin and Eosin (H&E) staining make the conversion from H&E to IHC staining essential. In this article, we propose a destain-restain framework for converting H&E staining to IHC staining, leveraging the characteristic that H&E staining and IHC staining of the same tissue sections share the Hematoxylin channel. We further design loss functions specifically for Hematoxylin and Diaminobenzidin (DAB) channels to generate IHC images exploiting insights from separated staining channels. Beyond the benchmark metrics on BCI contest, we have developed semantic information metrics for the HER2 level. The experimental results demonstrated that our method outperforms previous open-sourced methods in terms of image intrinsic property and semantic information.
• Abstract（参考訳）: 乳癌は女性のがんの中で非常に致命的な病気であり、早期発見は治療に不可欠である。 HER2は免疫組織化学(IHC)染色に基づく診断マーカーであり,乳癌の診断に有用である。 IHC染色の高コスト化とヘマトキシリンおよびエオシン(H&E)染色の有用性により、H&EからIHC染色への変換が必須となる。 本稿では,H&E染色をIHC染色に変換し,H&E染色と同一組織部位のIHC染色がヘマトキシリンチャネルを共用する特徴を生かして,H&E染色をIHC染色に変換するための持続的フレームワークを提案する。 我々はさらにヘマトキシリンおよびジアミノベンジジン(DAB)チャネルに特異的な損失関数を設計し、分離した染色チャネルからの洞察を利用したIHC画像を生成する。 BCIコンテストのベンチマーク指標以外にも,HER2レベルの意味情報メトリクスを開発した。 実験の結果,提案手法は画像固有の特性や意味情報の観点から,従来のオープンソース手法よりも優れていた。

関連論文リスト

• VIMs: Virtual Immunohistochemistry Multiplex staining via Text-to-Stain Diffusion Trained on Uniplex Stains [0.9920087186610302]
  IHC染色は、複雑な診断問題を解決し、患者の治療決定を導くために、病理学の実践において不可欠である。 小さな生検では、しばしば複数の染色のための十分な組織が欠如し、その後の分子試験のための材料が保存される。 VIMsはこのニーズに対処する最初のモデルであり、仮想IHC多重化のために大きな視覚言語による単一ステップ拡散モデルを活用する。
  論文  参考訳（メタデータ） (2024-07-26T22:23:45Z)
• Structural Cycle GAN for Virtual Immunohistochemistry Staining of Gland Markers in the Colon [1.741980945827445]
  ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。 病理学者は、特定の構造や細胞を分析するために異種化学染色(IHC)を必要とする。 ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。
  論文  参考訳（メタデータ） (2023-08-25T05:24:23Z)
• Breast Cancer Immunohistochemical Image Generation: a Benchmark Dataset and Challenge Review [17.649693088941508]
  乳がん化学画像生成に挑戦し,病理画像生成における深層学習技術の新たな考え方を探究した。 この課題は、登録されたH&EとIHCステインイメージペアを提供し、参加者はこれらのイメージを使用して、対応するH&EステインイメージからIHCステインイメージを直接生成できるモデルをトレーニングする必要がある。 我々は,PSNRとSSIMの指標に基づいて,上位5つの手法を選択し,レビューし,対応するパイプラインと実装の概要を示した。
  論文  参考訳（メタデータ） (2023-05-05T13:56:02Z)
• Adaptive Supervised PatchNCE Loss for Learning H&E-to-IHC Stain Translation with Inconsistent Groundtruth Image Pairs [5.841841666625825]
  本稿では,新たな損失関数であるAdaptive Supervised PatchNCE(ASP)を提案する。 提案手法は, 既存の画像から画像への変換手法より, 複数のICH染色への染色の変換に優れることを示した。
  論文  参考訳（メタデータ） (2023-03-10T19:56:34Z)
• 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)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• 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)
• Label-free virtual HER2 immunohistochemical staining of breast tissue using deep learning [0.5518574122214462]
  本稿では,条件付き生成対向ネットワークを用いた深層学習に基づく仮想HER2 IHC染色法について述べる。 この仮想HER2染色フレームワークの有効性は定量的解析によって実証された。 この仮想的なHER2染色フレームワークは、実験室におけるコスト、労力、時間のかかるIHC染色をバイパスする。
  論文  参考訳（メタデータ） (2021-12-08T08:56:15Z)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• Deep learning-based transformation of the H&E stain into special stains [44.38127957263123]
  腎針核生検の組織切片を用いた,H&Eから特殊染色への教師あり学習型コンピュータステンレス変換の有用性を示す。 結果: 染色変態ネットワークにより生成された特殊染色の品質は, 標準組織化学的染色により生成されたものと統計的に同等であった。
  論文  参考訳（メタデータ） (2020-08-20T10:12:03Z)

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。