論文の概要: CREATE-FFPE: Cross-Resolution Compensated and Multi-Frequency Enhanced FS-to-FFPE Stain Transfer for Intraoperative IHC Images

• arxiv url: http://arxiv.org/abs/2503.00697v1
• Date: Sun, 02 Mar 2025 02:38:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:21:39.032913
• Title: CREATE-FFPE: Cross-Resolution Compensated and Multi-Frequency Enhanced FS-to-FFPE Stain Transfer for Intraoperative IHC Images
• Title（参考訳）: 術中IHC画像に対する CREATE-FFPE:クロスリゾリューション補償と多周波FS-to-FFPEステント移植
• Authors: Yiyang Lin, Danling Jiang, Xinyu Liu, Yun Miao, Yixuan Yuan,
• Abstract要約: 本稿では,多周波化FS-to-FFPE(CREATE-FFPE)ステンディング・トランスファー・フレームワークを提案する。 外科領域で高画質のIHC画像の観察を支援するため,多周波化FS-to-FFPE(CREATE-FFPE)ステンディング・トランスファー・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 36.86200669664992
• License:
• Abstract: In the immunohistochemical (IHC) analysis during surgery, frozen-section (FS) images are used to determine the benignity or malignancy of the tumor. However, FS image faces problems such as image contamination and poor nuclear detail, which may disturb the pathologist's diagnosis. In contrast, formalin-fixed and paraffin-embedded (FFPE) image has a higher staining quality, but it requires quite a long time to prepare and thus is not feasible during surgery. To help pathologists observe IHC images with high quality in surgery, this paper proposes a Cross-REsolution compensATed and multi-frequency Enhanced FS-to-FFPE (CREATE-FFPE) stain transfer framework, which is the first FS-to-FFPE method for the intraoperative IHC images. To solve the slide contamination and poor nuclear detail mentioned above, we propose the cross-resolution compensation module (CRCM) and the wavelet detail guidance module (WDGM). Specifically, CRCM compensates for information loss due to contamination by providing more tissue information across multiple resolutions, while WDGM produces the desirable details in a wavelet way, and the details can be used to guide the stain transfer to be more precise. Experiments show our method can beat all the competing methods on our dataset. In addition, the FID has decreased by 44.4%, and KID*100 has decreased by 71.2% by adding the proposed CRCM and WDGM in ablation studies, and the performance of a downstream microsatellite instability prediction task with public dataset can be greatly improved by performing our FS-to-FFPE stain transfer.
• Abstract（参考訳）: 術中免疫組織化学(IHC)解析では,腫瘍の良性や悪性度を決定するために凍結切除(FS)画像が用いられている。 しかし、FS画像は画像汚染や核の細部不足などの問題に直面しており、病理医の診断を妨害する可能性がある。 対照的に、ホルマリン固定・パラフィン埋め込み(FFPE)画像は染色性が高いが、準備にはかなり時間がかかるため、手術中は実現不可能である。 術中ICC画像の高画質化を支援するため,術中ICC画像のFS-to-FFPE法であるクロスリゾリューション・マルチ周波数拡張FS-to-FFPE (CREATE-FFPE) 染色転送フレームワークを提案する。 上述したスライド汚染と核詳細の悪化を解決するため,クロスレゾリューション補償モジュール (CRCM) とウェーブレット詳細誘導モジュール (WDGM) を提案する。 特に、CRCMは、複数の解像度にわたる組織情報を提供することで、汚染による情報損失を補償する一方、WDGMはウェーブレット方式で望ましい詳細を生成し、より正確な染色転送を導くために、詳細を使用することができる。 実験により、我々の方法ではデータセット上の競合するメソッドを全て打ち負かすことができることが示された。 さらに、FIDは44.4%減少し、KID*100は、アブレーション研究で提案されたCRCMとWDGMを追加して71.2%減少し、FS-to-FFPEステンディング転送を行うことで、公共データセットによる下流マイクロサテライト不安定性予測タスクの性能を大幅に向上させることができる。

関連論文リスト

• WaveNet-SF: A Hybrid Network for Retinal Disease Detection Based on Wavelet Transform in the Spatial-Frequency Domain [15.21932120859184]
  本稿では,空間領域と周波数領域の学習を統合することで網膜疾患の検出を向上する新しいフレームワークWaveNet-SFを提案する。 このフレームワークはウェーブレット変換を利用して、OCT画像を低周波成分と高周波成分に分解する。 提案手法は,OCT-C8データセットとOCT 2017データセットでそれぞれ97.82%,99.58%の最先端(SOTA)分類精度を実現する。
  論文  参考訳（メタデータ） (2025-01-21T03:10:52Z)
• BS-LDM: Effective Bone Suppression in High-Resolution Chest X-Ray Images with Conditional Latent Diffusion Models [23.830681949520745]
  肺疾患は、Chest X-Ray(CXR)が重要な診断ツールであると共に、重要な世界的な健康上の課題である。 肺病変の検出は、しばしばCXR画像の重なり合う骨構造によって妨げられ、潜在的な誤診につながる。 我々は,高解像度CXR画像の骨を効果的に抑制するために,BS-LDMと呼ばれるエンドツーエンドのフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-12-20T08:36:17Z)
• Feature-oriented Deep Learning Framework for Pulmonary Cone-beam CT (CBCT) Enhancement with Multi-task Customized Perceptual Loss [9.59233136691378]
  コーンビームCT(CBCT)は画像誘導放射線治療中に定期的に収集される。 近年, 深層学習に基づくCBCT強調法は, 人工物抑制に有望な成果を上げている。 本稿では,高画質CBCT画像から高画質CTライク画像へ変換する特徴指向ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:09:01Z)
• Unpaired Optical Coherence Tomography Angiography Image Super-Resolution via Frequency-Aware Inverse-Consistency GAN [6.717440708401628]
  本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。 また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。 実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-29T14:19:51Z)
• Deep Learning-based Frozen Section to FFPE Translation [4.221354566366119]
  凍結切片 (FS) は外科手術中の組織を顕微鏡的に評価する方法である。 FSは、核の氷結晶、圧縮、切断人工物などの誤解を招く人工構造を導入する傾向にある。 凍結切断された全スライド画像(FS-WSI)を全スライド型FFPE画像に数分で変換することにより,FS画像の品質を向上させる人工知能(AI)手法を提案する。
  論文  参考訳（メタデータ） (2021-07-25T11:32:57Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。