論文の概要: Multi-contrast laser endoscopy for in vivo gastrointestinal imaging

• arxiv url: http://arxiv.org/abs/2505.10492v1
• Date: Thu, 15 May 2025 16:47:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.425598
• Title: Multi-contrast laser endoscopy for in vivo gastrointestinal imaging
• Title（参考訳）: マルチコントラストレーザー内視鏡による消化管造影
• Authors: Taylor L. Bobrow, Mayank Golhar, Suchapa Arayakarnkul, Anthony A. Song, Saowanee Ngamruengphong, Nicholas J. Durr,
• Abstract要約: マルチコントラストレーザー内視鏡(MLE)は、高速スペクトル、コヒーレント、指向性照明を備えた広視野臨床画像撮影のためのプラットフォームである。 我々は,MLEの3つの機能として,マルチスペクトル回折反射による組織色調コントラストの増強,レーザースペックルコントラストイメージングによる血流の定量化,および光度ステレオを用いた粘膜トポグラフィーのキャラクタリゼーションを行った。 31ポリプのMLE画像は、白色光や狭帯域画像と比較して、コントラストがほぼ3倍改善し、色差が5倍改善した。
• 参考スコア（独自算出の注目度）: 1.1774995069145182
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: White light endoscopy is the clinical gold standard for detecting diseases in the gastrointestinal tract. Most applications involve identifying visual abnormalities in tissue color, texture, and shape. Unfortunately, the contrast of these features is often subtle, causing many clinically relevant cases to go undetected. To overcome this challenge, we introduce Multi-contrast Laser Endoscopy (MLE): a platform for widefield clinical imaging with rapidly tunable spectral, coherent, and directional illumination. We demonstrate three capabilities of MLE: enhancing tissue chromophore contrast with multispectral diffuse reflectance, quantifying blood flow using laser speckle contrast imaging, and characterizing mucosal topography using photometric stereo. We validate MLE with benchtop models, then demonstrate MLE in vivo during clinical colonoscopies. MLE images from 31 polyps demonstrate an approximate three-fold improvement in contrast and a five-fold improvement in color difference compared to white light and narrow band imaging. With the ability to reveal multiple complementary types of tissue contrast while seamlessly integrating into the clinical environment, MLE shows promise as an investigative tool to improve gastrointestinal imaging.
• Abstract（参考訳）: 白光内視鏡は消化管疾患を検出するための臨床金基準である。 ほとんどの用途では、組織の色、テクスチャ、形状の視覚的異常を識別する。 残念なことに、これらの特徴のコントラストは微妙であり、多くの臨床的に関連のあるケースが検出されない。 この課題を克服するために,多コントラストレーザー内視鏡(MLE: Multi-Contrast Laser Endoscopy)を導入する。 我々は,MLEの3つの機能として,マルチスペクトル回折反射による組織色調コントラストの増強,レーザースペックルコントラストイメージングによる血流の定量化,および光度ステレオを用いた粘膜トポグラフィーのキャラクタリゼーションを行った。 MLEをベンチトップモデルで検証し,臨床大腸内視鏡検査でMLEをin vivoで実証した。 31ポリプのMLE画像は、白色光や狭帯域画像と比較して、コントラストがほぼ3倍改善し、色差が5倍改善した。 臨床環境にシームレスに統合しながら、複数の相補的な組織コントラストを明らかにする能力により、MLEは消化器画像を改善するための調査ツールとして有望であることを示す。

関連論文リスト

• A Novel Generative Artificial Intelligence Method for Interference Study on Multiplex Brightfield Immunohistochemistry Images [0.0]
  多重明視野イメージングは、単一のスライド上で複数のバイオマーカーを同時に解析する利点を提供する。 同一細胞区画に局在する複数のバイオマーカーを正確に解析するため、2つの代表的なバイオマーカーセットをアッセイモデルとして選択した。 アッセイのような分析の最も重要な予備段階の1つは、個々の細胞上のそれぞれの固有の色原を同定することである。 バイオマーカーごとに3倍画像から同等の1プレックス画像を作成するには、高度なカラーアンミックスが必要である。
  論文  参考訳（メタデータ） (2024-08-15T00:17:00Z)
• Step-Calibrated Diffusion for Biomedical Optical Image Restoration [47.191704042917394]
  再生ステップ校正拡散(Resorative Step-Calibrated Diffusion、RSCD)は、拡散に基づく画像復元法である。 RSCDは、画像品質と知覚評価の両方において、他の広く使われている未使用画像復元方法よりも優れている。 RSCDは、自動脳腫瘍診断や深部組織イメージングなど、下流の臨床画像タスクのパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2024-03-20T15:38:53Z)
• Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning [4.074521061733491]
  コンゴ赤染色(コンゴ赤し、英: Congo red stain)は、組織におけるアミロイド鉱床の可視化のための金標準化学染色である。 単一のトレーニングされたニューラルネットワークは、ラベルのない組織セクションの自己蛍光画像を、明視野および偏光顕微鏡等価画像に変換することができる。
  論文  参考訳（メタデータ） (2024-03-14T04:48:06Z)
• 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)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• 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)
• Deep Learning-Assisted Co-registration of Full-Spectral Autofluorescence Lifetime Microscopic Images with H&E-Stained Histology Images [5.9861067768807]
  我々は,共同登録の成功を著しく改善する,教師なし画像-画像間翻訳ネットワークを示す。 このアプローチは、この範囲を超えるライフタイムイメージや他の染色技術に、力ずくで拡張できる可能性がある。
  論文  参考訳（メタデータ） (2022-02-15T22:09:06Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• 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)

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。