論文の概要: Automated Quality Evaluation of Cervical Cytopathology Whole Slide Images Based on Content Analysis
- arxiv url: http://arxiv.org/abs/2505.13875v1
- Date: Tue, 20 May 2025 03:30:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:52.655079
- Title: Automated Quality Evaluation of Cervical Cytopathology Whole Slide Images Based on Content Analysis
- Title（参考訳）: コンテンツ分析に基づく頸椎細胞病理画像の自動評価
- Authors: Lanlan Kang, Jian Wang, Jian QIn, Yiqin Liang, Yongjun He,
- Abstract要約: ThinPrep Cytological Test (TCT) は頸部がん検診において最も広く用いられている方法であり, 検診の精度に直接影響を及ぼす。
従来の手作業による評価手法は、顕微鏡下での病理学者の観察に依存している。
The Bethesda System (TBS) の診断基準, 人工知能アルゴリズム, 臨床データの特徴に基づく, 頸椎細胞病理全スライド画像(WSI)の完全自動品質評価手法を提案する。
- 参考スコア（独自算出の注目度）: 8.346023537846357
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ThinPrep Cytologic Test (TCT) is the most widely used method for cervical cancer screening, and the sample quality directly impacts the accuracy of the diagnosis. Traditional manual evaluation methods rely on the observation of pathologist under microscopes. These methods exhibit high subjectivity, high cost, long duration, and low reliability. With the development of computer-aided diagnosis (CAD), an automated quality assessment system that performs at the level of a professional pathologist is necessary. To address this need, we propose a fully automated quality assessment method for Cervical Cytopathology Whole Slide Images (WSIs) based on The Bethesda System (TBS) diagnostic standards, artificial intelligence algorithms, and the characteristics of clinical data. The method analysis the context of WSIs to quantify quality evaluation metrics which are focused by TBS such as staining quality, cell counts and cell mass proportion through multiple models including object detection, classification and segmentation. Subsequently, the XGBoost model is used to mine the attention paid by pathologists to different quality evaluation metrics when evaluating samples, thereby obtaining a comprehensive WSI sample score calculation model. Experimental results on 100 WSIs demonstrate that the proposed evaluation method has significant advantages in terms of speed and consistency.
- Abstract（参考訳）: ThinPrep Cytological Test (TCT) は頸部がん検診において最も広く用いられている方法であり, 検診の精度に直接影響を及ぼす。
従来の手作業による評価手法は、顕微鏡下での病理学者の観察に依存している。
これらの手法は、高い主観性、高いコスト、長期間、信頼性の低いものである。
コンピュータ支援診断(CAD)の開発では,専門的な病理医のレベルで行う自動品質評価システムが必要である。
このニーズに対処するために, The Bethesda System (TBS) 診断基準, 人工知能アルゴリズム, 臨床データの特徴をベースとした, 頚部細胞病理全体スライド画像(WSI)の完全自動品質評価手法を提案する。
本手法は, 染色品質, 細胞数, 細胞質量比などのTBSに着目した品質評価指標を, 対象検出, 分類, セグメンテーションを含む複数のモデルを用いて定量化する。
その後、XGBoostモデルを用いて、病理学者の注意をサンプル評価時に異なる品質評価指標に掘り下げ、総合的なWSIサンプルスコア計算モデルを得る。
実験結果から,提案手法は速度と整合性において有意な優位性を有することが示された。
関連論文リスト
- Metrics that matter: Evaluating image quality metrics for medical image generation [48.85783422900129]
本研究は、脳MRIデータを用いて、一般的に使用される非参照画像品質指標を包括的に評価する。
本研究は, ノイズ, 分布変化, および臨床的に関係のある不正確さを模倣した形態的変化を含む, 様々な課題に対する計量感度を評価する。
論文 参考訳（メタデータ） (2025-05-12T01:57:25Z) - AI Assisted Cervical Cancer Screening for Cytology Samples in Developing Countries [0.18472148461613155]
頸部がんは依然として重大な健康上の問題であり、高い死亡率と死亡率がある。
従来の液体ベース細胞学(LBC)は、労働集約的なプロセスであり、専門家の病理医を必要とし、エラーを生じやすい。
本稿では, 低コストな生体顕微鏡と, 簡易かつ効率的なAIアルゴリズムを統合し, 自動全すべり解析を行う革新的な手法を提案する。
論文 参考訳（メタデータ） (2025-04-29T05:18:59Z) - A No-Reference Medical Image Quality Assessment Method Based on Automated Distortion Recognition Technology: Application to Preprocessing in MRI-guided Radiotherapy [9.332679162161428]
肝転移10例のMR画像106,000点について検討した。
1) 主要な診断特徴の可視性を高めるための事前処理。
腫瘍追跡アルゴリズムでは,前処理画像の追跡精度が有意に向上した。
論文 参考訳（メタデータ） (2024-12-09T15:48:16Z) - Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。
本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。
その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - A Systematic Evaluation of GPT-4V's Multimodal Capability for Medical
Image Analysis [87.25494411021066]
医用画像解析のためのGPT-4Vのマルチモーダル機能の評価を行った。
GPT-4Vは医用画像の理解に優れ、高品質な放射線診断レポートを生成する。
医用視覚接地の性能は大幅に改善する必要があることが判明した。
論文 参考訳（メタデータ） (2023-10-31T11:39:09Z) - Deep Learning-Based Sparse Whole-Slide Image Analysis for the Diagnosis
of Gastric Intestinal Metaplasia [5.64692772904991]
本稿では,WSIレベル分類のための高出力ROIの迅速同定のためのスパースWSI解析手法を提案する。
本手法は胃粘膜異形成(GIM)をヘマトキシリンおよびエオシンスライド上で診断し,病理組織学的に有用であるが時間を要する課題について検討した。
提案手法は, 受信機動作特性曲線(AUC)が0.98, 平均精度(AP)が0.95のWSIレベルの分類領域を持つ全正のWSIにおいて, GIMの検出に成功している。
論文 参考訳（メタデータ） (2022-01-05T04:43:46Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z) - An Extensive Study on Cross-Dataset Bias and Evaluation Metrics
Interpretation for Machine Learning applied to Gastrointestinal Tract
Abnormality Classification [2.985964157078619]
GI領域における疾患の自動解析は、コンピュータ科学や医学関連雑誌でホットな話題となっている。
クロスデータセットによる評価指標と機械学習モデルの明確な理解は、この分野の研究を新たな品質レベルに導くために不可欠である。
16種類のGIトラクタ条件を分類できる5つの異なる機械学習モデルの包括的評価を行う。
論文 参考訳（メタデータ） (2020-05-08T08:59:31Z)
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。