論文の概要: MyData: A Comprehensive Database of Mycetoma Tissue Microscopic Images for Histopathological Analysis
- arxiv url: http://arxiv.org/abs/2410.12833v1
- Date: Wed, 02 Oct 2024 19:56:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-20 09:40:58.926683
- Title: MyData: A Comprehensive Database of Mycetoma Tissue Microscopic Images for Histopathological Analysis
- Title(参考訳): MyData: 組織組織像の総合的データベースによる病理組織学的解析
- Authors: Hyam Omar Ali, Romain Abraham, Guillaume Desoubeaux, Ahmed Fahal, Clovis Tauber,
- Abstract要約: Mycetomaは慢性で無視された炎症性疾患であり、熱帯および亜熱帯地域で流行する。
本疾患は真菌(真菌)と放線菌(細菌)の2種類に分類される。
- 参考スコア(独自算出の注目度): 0.34619585024232546
- License:
- Abstract: Mycetoma is a chronic and neglected inflammatory disease prevalent in tropical and subtropical regions. It can lead to severe disability and social stigma. The disease is classified into two types based on the causative microorganisms: eumycetoma (fungal) and actinomycetoma (bacterial). Effective treatment strategies depend on accurately identifying the causative agents. Current identification methods include molecular, cytological, and histopathological techniques, as well as grain culturing. Among these, histopathological techniques are considered optimal for use in endemic areas, but they require expert pathologists for accurate identification, which can be challenging in rural areas lacking such expertise. The advent of digital pathology and automated image analysis algorithms offers a potential solution. This report introduces a novel dataset designed for the automated detection and classification of mycetoma using histopathological images. It includes the first database of microscopic images of mycetoma tissue, detailing the entire pipeline from species distribution and patient sampling to acquisition protocols through histological procedures. The dataset consists of images from 142 patients, totalling 864 images, each annotated with binary masks indicating the presence of grains, facilitating both detection and segmentation tasks.
- Abstract(参考訳): Mycetomaは慢性で無視された炎症性疾患であり、熱帯および亜熱帯地域で流行する。
重度の障害や社会的汚職につながることがある。
本疾患は真菌(真菌)と放線菌(細菌)の2種類に分類される。
効果的な治療戦略は、原因物質を正確に特定することに依存する。
現在の同定法には、分子、細胞学的、組織学的手法、および穀物培養が含まれる。
これらのうち、病理学的手法は内科領域での使用に最適と考えられるが、正確な同定には専門の病理学者が必要であり、こうした専門知識が欠如している農村部では困難である。
デジタル病理学と自動画像解析アルゴリズムの出現は潜在的な解決策を提供する。
本報告では, 病理組織像を用いた骨髄腫の自動診断・分類のための新しいデータセットについて紹介する。
組織細胞腫組織の顕微鏡画像の最初のデータベースを含み、種分布から患者のサンプリングまで、組織学的手続きを通じてパイプライン全体を詳細に記述している。
このデータセットは、142人の患者の画像で構成され、合計864枚の画像からなり、それぞれに穀物の存在を示す2つのマスクがアノテートされ、検出とセグメンテーションの両方を容易にする。
関連論文リスト
- Knowledge-enhanced Visual-Language Pretraining for Computational Pathology [68.6831438330526]
本稿では,公共資源から収集した大規模画像テキストペアを利用した視覚的表現学習の課題について考察する。
ヒト32組織から病理診断を必要とする4,718の疾患に対して50,470個の情報属性からなる病理知識ツリーをキュレートする。
論文 参考訳(メタデータ) (2024-04-15T17:11:25Z) - From Pixel to Slide image: Polarization Modality-based Pathological
Diagnosis Using Representation Learning [9.326969394501958]
病理組織学的には、甲状腺腫瘍は不適切な検体採取による診断上の課題となる。
甲状腺腫瘍の鑑別のための画素レベルのアノテーションとスライスレベルのアノテーションを統合するために,表現学習を用いた3段階モデルを構築した。
論文 参考訳(メタデータ) (2024-01-03T02:01:09Z) - Deepfake histological images for enhancing digital pathology [0.40631409309544836]
我々は,クラスラベルに制約された病理像を合成する生成逆ネットワークモデルを開発した。
前立腺および大腸組織像の合成におけるこの枠組みの有用性について検討した。
大腸生検によるより複雑な画像へのアプローチを拡張し,そのような組織における複雑な微小環境も再現可能であることを示す。
論文 参考訳(メタデータ) (2022-06-16T17:11:08Z) - 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) - Statistical and Topological Summaries Aid Disease Detection for
Segmented Retinal Vascular Images [0.0]
微小血管疾患は網膜画像の視覚検査によって評価される。
病気が静かな症状を示したり、患者が直接の会議に出席できない場合、これは困難である。
微小血管疾患の検出における機械学習アルゴリズムの性能について検討した。
論文 参考訳(メタデータ) (2022-02-20T01:29:36Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - 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) - UniToPatho, a labeled histopathological dataset for colorectal polyps
classification and adenoma dysplasia grading [12.222174729732904]
9536ヘマトキシリンとイオシン(H&E)染色パッチを292枚の全滑り画像から抽出した注釈付きデータセットであるUniToPathoを紹介します。
このデータセットは、大腸ポリープ分類と腺腫グレーディングのためのディープニューラルネットワークのトレーニングを目的としています。
論文 参考訳(メタデータ) (2021-01-25T10:18:44Z) - Objective Diagnosis for Histopathological Images Based on Machine
Learning Techniques: Classical Approaches and New Trends [0.33554367023486936]
病理組織像は顕微鏡で撮影され、多くの疾患を特定し、調査し、分類する。
病理組織像の解析は、疾患の診断を支援する多種多様かつ関連する研究領域である。
本稿では, 組織像解析に応用された従来の深層学習技術について概観する。
論文 参考訳(メタデータ) (2020-11-10T07:31:05Z) - Multi-label Thoracic Disease Image Classification with Cross-Attention
Networks [65.37531731899837]
胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。
また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
論文 参考訳(メタデータ) (2020-07-21T14:37:00Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳(メタデータ) (2020-02-05T21:38:57Z)
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。