論文の概要: A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging
- arxiv url: http://arxiv.org/abs/2501.03592v1
- Date: Tue, 07 Jan 2025 07:45:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-08 15:46:10.635857
- Title: A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging
- Title（参考訳）: 大規模組織像のための値マッピング仮想染色フレームワーク
- Authors: Junjia Wang, Bo Xiong, You Zhou, Xun Cao, Zhan Ma,
- Abstract要約: 各種条件に適応可能な汎用仮想染色フレームワークを提案する。
そこで本研究では,異なる病態間の仮想色付けの精度を確保するために,値マッピング制約に基づく損失関数を提案する。
- 参考スコア（独自算出の注目度）: 36.95712533471744
- License:
- Abstract: The emergence of virtual staining technology provides a rapid and efficient alternative for researchers in tissue pathology. It enables the utilization of unlabeled microscopic samples to generate virtual replicas of chemically stained histological slices, or facilitate the transformation of one staining type into another. The remarkable performance of generative networks, such as CycleGAN, offers an unsupervised learning approach for virtual coloring, overcoming the limitations of high-quality paired data required in supervised learning. Nevertheless, large-scale color transformation necessitates processing large field-of-view images in patches, often resulting in significant boundary inconsistency and artifacts. Additionally, the transformation between different colorized modalities typically needs further efforts to modify loss functions and tune hyperparameters for independent training of networks. In this study, we introduce a general virtual staining framework that is adaptable to various conditions. We propose a loss function based on the value mapping constraint to ensure the accuracy of virtual coloring between different pathological modalities, termed the Value Mapping Generative Adversarial Network (VM-GAN). Meanwhile, we present a confidence-based tiling method to address the challenge of boundary inconsistency arising from patch-wise processing. Experimental results on diverse data with varying staining protocols demonstrate that our method achieves superior quantitative indicators and improved visual perception.
- Abstract（参考訳）: 仮想染色技術の出現は、組織病理学の研究者に迅速かつ効率的な代替手段を提供する。
ラベルなしの顕微鏡サンプルを利用することで、化学的に染色された組織学的スライスを仮想的に複製したり、ある染色タイプを別の染色タイプに変換したりすることができる。
CycleGANのような生成ネットワークの顕著な性能は、教師あり学習に必要な高品質なペアリングデータの制限を克服する、仮想色付けのための教師なし学習アプローチを提供する。
しかし、大規模な色変換は、大きな視野の画像をパッチで処理する必要があるため、しばしば境界の不整合やアーティファクトをもたらす。
さらに、異なる色付きモード間の変換は通常、損失関数を変更し、ネットワークの独立なトレーニングのためにハイパーパラメータをチューニングするためにさらなる努力が必要である。
本研究では,様々な条件に適応可能な汎用仮想染色フレームワークを提案する。
本稿では,VM-GAN(Value Mapping Generative Adversarial Network)と呼ばれる,異なる病態間の仮想色付けの精度を確保するために,値マッピング制約に基づく損失関数を提案する。
一方,パッチワイズ処理から生じる境界不整合に対処するための信頼性に基づくタイリング手法を提案する。
染色プロトコルの異なる多種多様なデータに対する実験結果から,本手法が優れた定量的指標を達成し,視覚知覚の向上を図った。
関連論文リスト
- Novel computational workflows for natural and biomedical image processing based on hypercomplex algebras [49.81327385913137]
ハイパーコンプレックス画像処理は、代数的および幾何学的原理を含む統一パラダイムで従来の手法を拡張している。
このワークル平均は、自然・生体画像解析のための四元数と2次元平面(四元数 - ピクセルを表す - を2次元平面に分割する)を分割する。
提案手法は、画像の自動処理パイプラインの一部として、カラー外観(例えば、代替リフレクションやグレースケール変換)と画像コントラストを規制することができる。
論文 参考訳（メタデータ） (2025-02-11T18:38:02Z) - Stain-Invariant Representation for Tissue Classification in Histology Images [1.1624569521079424]
染色摂動行列を用いたトレーニング画像の染色増分版を生成するフレームワークを提案する。
大腸癌画像のクロスドメイン多クラス組織型分類における提案モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-11-21T23:50:30Z) - AGMDT: Virtual Staining of Renal Histology Images with Adjacency-Guided
Multi-Domain Transfer [9.8359439975283]
画素レベルのアライメントを回避し,画像の他の領域への変換を行う新しい仮想染色フレームワーク AGMDT を提案する。
提案するフレームワーク AGMDT は,球状率検出と二部グラフマッチングにより,複数ドメインのシリアルスライスにまたがるパッチレベルのアライメントペアを検出する。
実験の結果,提案したAGMDTは,高精度な画素レベルのアライメントと未ペアドメイン転送とのバランスが良好であることがわかった。
論文 参考訳（メタデータ） (2023-09-12T17:37:56Z) - Deep Angiogram: Trivializing Retinal Vessel Segmentation [1.8479315677380455]
本研究では,無関係な特徴をフィルタリングし,深部血管造影という潜像を合成するコントラスト型変分自動エンコーダを提案する。
合成ネットワークの一般化性は、画像コントラストとノイズの特徴の変動に敏感なモデルを実現するコントラスト損失によって改善される。
論文 参考訳（メタデータ） (2023-07-01T06:13:10Z) - Breaking Modality Disparity: Harmonized Representation for Infrared and
Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。
我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。
我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文 参考訳（メタデータ） (2023-04-12T06:49:56Z) - Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。
提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。
提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文 参考訳（メタデータ） (2023-03-17T18:00:27Z) - HistoStarGAN: A Unified Approach to Stain Normalisation, Stain Transfer
and Stain Invariant Segmentation in Renal Histopathology [0.5505634045241288]
HistoStarGANは、複数の染色間での染色を行う統一されたフレームワークである。
合成データジェネレータとして機能し、完全に注釈付けされた合成画像データの使用方法を舗装する。
論文 参考訳（メタデータ） (2022-10-18T12:22:26Z) - Towards Homogeneous Modality Learning and Multi-Granularity Information
Exploration for Visible-Infrared Person Re-Identification [16.22986967958162]
Visible-infrared person re-identification (VI-ReID) は、可視・赤外線カメラビューを介して人物画像の集合を検索することを目的とした、困難かつ必須の課題である。
従来の手法では, GAN (Generative Adversarial Network) を用いて, モーダリティ・コンシデント・データを生成する手法が提案されている。
そこで本研究では、視線外デュアルモード学習をグレーグレー単一モード学習問題として再構成する、統一されたダークラインスペクトルであるAligned Grayscale Modality (AGM)を用いて、モード間マッチング問題に対処する。
論文 参考訳（メタデータ） (2022-04-11T03:03:19Z) - 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) - Intriguing Properties of Vision Transformers [114.28522466830374]
視覚変換器(ViT)は、様々なマシンビジョン問題にまたがって印象的な性能を誇示している。
我々は、この問題を広範囲の実験を通して体系的に研究し、高性能畳み込みニューラルネットワーク(CNN)との比較を行った。
ViTsの効果的な特徴は、自己認識機構によって可能なフレキシブルな受容と動的場によるものであることを示す。
論文 参考訳（メタデータ） (2021-05-21T17:59:18Z)
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。