論文の概要: Label-free evaluation of lung and heart transplant biopsies using virtual staining
- arxiv url: http://arxiv.org/abs/2409.05255v1
- Date: Mon, 9 Sep 2024 00:18:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-10 16:22:22.953163
- Title: Label-free evaluation of lung and heart transplant biopsies using virtual staining
- Title（参考訳）: 仮想染色による肺・心臓移植生検のラベルフリー評価
- Authors: Yuzhu Li, Nir Pillar, Tairan Liu, Guangdong Ma, Yuxuan Qi, Kevin de Haan, Yijie Zhang, Xilin Yang, Adrian J. Correa, Guangqian Xiao, Kuang-Yu Jen, Kenneth A. Iczkowski, Yulun Wu, William Dean Wallace, Aydogan Ozcan,
- Abstract要約: 従来の組織化学的染色プロセスは、時間がかかり、費用がかかり、労働集約的である。
肺・心臓移植生検における仮想染色ニューラルネットワークのパネルについて述べる。
仮想染色ネットワークは、高い色均一性を持つ高品質な組織像を一貫して生成する。
- 参考スコア（独自算出の注目度）: 3.24061990641619
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Organ transplantation serves as the primary therapeutic strategy for end-stage organ failures. However, allograft rejection is a common complication of organ transplantation. Histological assessment is essential for the timely detection and diagnosis of transplant rejection and remains the gold standard. Nevertheless, the traditional histochemical staining process is time-consuming, costly, and labor-intensive. Here, we present a panel of virtual staining neural networks for lung and heart transplant biopsies, which digitally convert autofluorescence microscopic images of label-free tissue sections into their brightfield histologically stained counterparts, bypassing the traditional histochemical staining process. Specifically, we virtually generated Hematoxylin and Eosin (H&E), Masson's Trichrome (MT), and Elastic Verhoeff-Van Gieson (EVG) stains for label-free transplant lung tissue, along with H&E and MT stains for label-free transplant heart tissue. Subsequent blind evaluations conducted by three board-certified pathologists have confirmed that the virtual staining networks consistently produce high-quality histology images with high color uniformity, closely resembling their well-stained histochemical counterparts across various tissue features. The use of virtually stained images for the evaluation of transplant biopsies achieved comparable diagnostic outcomes to those obtained via traditional histochemical staining, with a concordance rate of 82.4% for lung samples and 91.7% for heart samples. Moreover, virtual staining models create multiple stains from the same autofluorescence input, eliminating structural mismatches observed between adjacent sections stained in the traditional workflow, while also saving tissue, expert time, and staining costs.
- Abstract（参考訳）: 臓器移植は、最終段階の臓器不全に対する主要な治療戦略として機能する。
しかし,アログラフト拒絶は臓器移植の一般的な合併症である。
移植拒絶のタイムリーな検出と診断には組織学的評価が不可欠であり,ゴールド・スタンダードのままである。
それにもかかわらず、従来の組織化学的染色プロセスは時間がかかり、コストがかかり、労働集約的である。
本稿では, 肺・心臓移植生検のための仮想染色ニューラルネットワークのパネルについて紹介する。
具体的には,Hematoxylin and Eosin (H&E), Masson's Trichrome (MT), Elastic Verhoeff-Van Gieson (EVG) 染色,およびH&EおよびMT染色を実質的に生成した。
その後の3人の病理学者によるブラインド評価の結果、仮想染色ネットワークは、様々な組織の特徴にまたがる、良質な組織化学的特徴によく似た、高品質な組織像を連続的に生成することが確認された。
移植生検の評価に仮想染色画像を使用することで、従来の組織化学的染色で得られたものと同等の診断結果が得られ、肺サンプルの82.4%、心臓サンプルの91.7%が一致した。
さらに、仮想染色モデルは、同じ自己蛍光入力から複数の染色を生成し、従来のワークフローで染色された隣り合う部分の間で観察される構造的ミスマッチを排除し、組織、専門家の時間、染色コストを節約する。
関連論文リスト
- 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) - Virtual histological staining of unlabeled autopsy tissue [1.9351365037275405]
トレーニングされたニューラルネットワークは、ラベルのない解剖組織セクションの自己蛍光画像から、ヘマトキシリンとエオシンの染色された同じサンプルの鮮明な等価画像に変換することができる。
我々の仮想解剖染色技術は壊死組織にまで拡張することができ、重篤な自己分解と細胞死にもかかわらず、高速かつ費用対効果で無形H&E染色を生成できる。
論文 参考訳（メタデータ） (2023-08-02T03:31:22Z) - Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。
この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
論文 参考訳（メタデータ） (2023-03-14T15:23:48Z) - Virtual stain transfer in histology via cascaded deep neural networks [2.309018557701645]
ケースドディープニューラルネットワーク(C-DNN)による仮想染色伝達フレームワークの実証を行った。
C-DNNは、入力として1つの染色タイプのみを取り込んで別の染色タイプの画像をデジタル出力する単一のニューラルネットワーク構造とは異なり、まず仮想染色を使用して、自己蛍光顕微鏡画像をH&Eに変換する。
我々は,H&E染色組織像を仮想PAS( periodic acid-Schiff)染色に変換することに成功した。
論文 参考訳（メタデータ） (2022-07-14T00:43:18Z) - 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) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - 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) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Digital synthesis of histological stains using micro-structured and
multiplexed virtual staining of label-free tissue [2.446672595462589]
ラベルのない組織を用いて仮想的な画像を生成するディープ・ラーニング・ベース・フレームワークを提案する。
無ラベル腎組織切片を用いて,この仮想染色ネットワークを訓練し,盲目的にテストした。
論文 参考訳（メタデータ） (2020-01-20T22:14:06Z)
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。