Fugu-MT 論文翻訳(概要): Generating Seamless Virtual Immunohistochemical Whole Slide Images with Content and Color Consistency

論文の概要: Generating Seamless Virtual Immunohistochemical Whole Slide Images with Content and Color Consistency

arxiv url: http://arxiv.org/abs/2410.01072v1
Date: Tue, 1 Oct 2024 21:02:16 GMT
ステータス: 処理完了
システム内更新日: 2024-11-04 23:30:27.739022
Title: Generating Seamless Virtual Immunohistochemical Whole Slide Images with Content and Color Consistency
Title（参考訳）: 含量・色整合性を考慮したシームレス仮想免疫組織化学的全スライド画像の生成
Authors: Sitong Liu, Kechun Liu, Samuel Margolis, Wenjun Wu, Stevan R. Knezevich, David E Elder, Megan M. Eguchi, Joann G Elmore, Linda Shapiro,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.063403009505468
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Immunohistochemical (IHC) stains play a vital role in a pathologist's analysis of medical images, providing crucial diagnostic information for various diseases. Virtual staining from hematoxylin and eosin (H&E)-stained whole slide images (WSIs) allows the automatic production of other useful IHC stains without the expensive physical staining process. However, current virtual WSI generation methods based on tile-wise processing often suffer from inconsistencies in content, texture, and color at tile boundaries. These inconsistencies lead to artifacts that compromise image quality and potentially hinder accurate clinical assessment and diagnoses. To address this limitation, we propose a novel consistent WSI synthesis network, CC-WSI-Net, that extends GAN models to produce seamless synthetic whole slide images. Our CC-WSI-Net integrates a content- and color-consistency supervisor, ensuring consistency across tiles and facilitating the generation of seamless synthetic WSIs while ensuring Sox10 immunohistochemistry accuracy in melanocyte detection. We validate our method through extensive image-quality analyses, objective detection assessments, and a subjective survey with pathologists. By generating high-quality synthetic WSIs, our method opens doors for advanced virtual staining techniques with broader applications in research and clinical care.
Abstract（参考訳）: 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。しかし、タイルワイズ処理に基づく現在の仮想WSI生成方法は、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。これらの矛盾は、画像の品質を損なうアーティファクトにつながり、正確な臨床評価と診断を妨げる可能性がある。この制限に対処するため,新しい一貫したWSI合成ネットワークであるCC-WSI-Netを提案する。我々のCC-WSI-Netは、コンテントとカラー一貫性のスーパーバイザーを統合し、タイル間の一貫性を確保し、シームレスな合成WSIの生成を容易にするとともに、メラノサイト検出におけるSox10免疫組織化学の精度を保証します。画像品質分析,客観的検出評価,病理学者による主観的調査を通じて,本手法の有効性を検証した。高品質な合成WSIを生成することにより、研究や臨床医療に広く応用された高度な仮想染色技術の扉を開くことができる。

関連論文リスト

Histology Virtual Staining with Mask-Guided Adversarial Transfer Learning for Tertiary Lymphoid Structure Detection [9.68135211016703]
病理組織学的3次リンパ組織構造(TLS)は, 各種固形腫瘍における免疫療法の効果と相関が強くなっている。伝統的にTLSの同定と特性は、B細胞に対するCD20のようなマーカーを利用して、化学染色技術(IHC)に依存している。仮想的な病理染色を目的としたマスクガイド型逆変換学習手法を提案する。本手法は, 異なる染色条件下で, 明確なラベル情報を持たずに, 様々な組織タイプにまたがるニュアンス色変化を選択的にキャプチャする。 Mask-Guidedを含む統合フレームワークであるVirtual IHC Pathology Analysis Network (VIPA-Net)を提案する。
論文参考訳（メタデータ） (2024-08-26T01:54:37Z)
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)
Scalable, Trustworthy Generative Model for Virtual Multi-Staining from H&E Whole Slide Images [0.0]
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。
論文参考訳（メタデータ） (2024-06-26T21:52:05Z)
Single color digital H&E staining with In-and-Out Net [0.8271394038014485]
本稿では,仮想染色タスクに特化して設計された新しいネットワークIn-and-Out Netを提案する。我々はGAN(Generative Adversarial Networks)に基づいて,反射共焦点顕微鏡(RCM)画像からヘマトキシリンおよびエオシン染色画像へ効率的に変換する。
論文参考訳（メタデータ） (2024-05-22T01:17:27Z)
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)
On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文参考訳（メタデータ） (2023-06-23T03:09:03Z)
Automated Whole Slide Imaging for Label-Free Histology using Photon Absorption Remote Sensing Microscopy [0.0]
現在の染色法と高度なラベリング法は、しばしば破壊的であり、相互に相容れない。最初の透過モード光子リモートセンシング顕微鏡を用いたラベルフリー組織学プラットフォームを提案する。
論文参考訳（メタデータ） (2023-04-26T12:36:19Z)
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)
SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
論文参考訳（メタデータ） (2022-09-02T16:45:46Z)
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)

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。