論文の概要: DLiPath: A Benchmark for the Comprehensive Assessment of Donor Liver Based on Histopathological Image Dataset

• arxiv url: http://arxiv.org/abs/2506.03185v1
• Date: Fri, 30 May 2025 12:13:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:13.922639
• Title: DLiPath: A Benchmark for the Comprehensive Assessment of Donor Liver Based on Histopathological Image Dataset
• Title（参考訳）: DLiPath: 病理画像データセットに基づく肝ドナーの総合的評価のためのベンチマーク
• Authors: Liangrui Pan, Xingchen Li, Zhongyi Chen, Ling Chu, Shaoliang Peng,
• Abstract要約: ドナー肝生検の総合的評価は、移植の可能性を受け入れるか破棄するために重要な情報を提供する。 門脈線維症, 総脂肪症, 巨胞性脂肪症, バルーン形成などのドナー肝生検の特徴は移植成績と相関する。 そこで本研究では,包括的ドナー肝アセスメントのための最初のベンチマークであるDLiPathを紹介する。
• 参考スコア（独自算出の注目度）: 3.5306983515338706
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pathologists comprehensive evaluation of donor liver biopsies provides crucial information for accepting or discarding potential grafts. However, rapidly and accurately obtaining these assessments intraoperatively poses a significant challenge for pathologists. Features in donor liver biopsies, such as portal tract fibrosis, total steatosis, macrovesicular steatosis, and hepatocellular ballooning are correlated with transplant outcomes, yet quantifying these indicators suffers from substantial inter- and intra-observer variability. To address this, we introduce DLiPath, the first benchmark for comprehensive donor liver assessment based on a histopathology image dataset. We collected and publicly released 636 whole slide images from 304 donor liver patients at the Department of Pathology, the Third Xiangya Hospital, with expert annotations for key pathological features (including cholestasis, portal tract fibrosis, portal inflammation, total steatosis, macrovesicular steatosis, and hepatocellular ballooning). We selected nine state-of-the-art multiple-instance learning (MIL) models based on the DLiPath dataset as baselines for extensive comparative analysis. The experimental results demonstrate that several MIL models achieve high accuracy across donor liver assessment indicators on DLiPath, charting a clear course for future automated and intelligent donor liver assessment research. Data and code are available at https://github.com/panliangrui/ACM_MM_2025.
• Abstract（参考訳）: 病理学者はドナー肝生検を包括的に評価し、移植の可能性を受け入れるか破棄するために重要な情報を提供する。 しかし、これらの評価を術中迅速かつ正確に取得することは、病理学者にとって重要な課題である。 ドナー肝生検(門脈線維症、全脂肪症、巨胞性脂肪症、肝細胞バルーン症など)の特徴は移植成績と相関するが、これらの指標の定量化は、実質的な生体内および生体内変動に苦しむ。 DLiPathは,病理組織像のデータセットに基づく包括的ドナー肝アセスメントのための最初のベンチマークである。 当科におけるドナー肝患者304名を対象に, 胆道拡張症, 門脈線維症, 門脈炎症, 総脂肪症, 巨胞性脂肪症, 肝細胞バルーン症など, 重要な病態について専門的な注釈を付し, 636枚のスライド画像を収集し, 公表した。 DLiPathデータセットをベースラインとして,9つのMILモデルを選択した。 実験の結果,DLiPathのドナー肝アセスメント指標において,いくつかのMILモデルが高い精度を達成し,将来の自動ドナー肝アセスメント研究の道筋を図った。 データとコードはhttps://github.com/panliangrui/ACM_MM_2025で公開されている。

関連論文リスト

• Large Scale MRI Collection and Segmentation of Cirrhotic Liver [1.3157208364269697]
  肝硬変は慢性肝疾患の最終段階であり,広範な線維化と結節再生を特徴とする。 肝硬変解析は, 形態変化と異種信号の特徴により, 重大な課題を呈している。 今回,628個の高分解能腹部MRI画像からなるCirrMRI600+について紹介する。
  論文  参考訳（メタデータ） (2024-10-06T20:24:41Z)
• Liver Fat Quantification Network with Body Shape [4.642852520437342]
  生体形状のみを用いて肝脂肪の割合を推定するディープニューラルネットワークを提案する。 提案手法は,フレキシブルベースラインネットワークと軽量アテンションモジュールから構成される。 その結果,Root平均二乗誤差(RMSE)が5.26%,R-二乗値が0.8。
  論文  参考訳（メタデータ） (2024-05-18T20:22:22Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• 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)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• Realistic Ultrasound Image Synthesis for Improved Classification of Liver Disease [54.69792905238048]
  超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。 本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-07-27T12:37:19Z)
• Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas Segmentation: Application to Automatic Pathological Liver CT Segmentation [4.262342157729123]
  腹部CT像からの肝分画は,肝癌のコンピュータ診断と手術計画に必須のステップである。 現在、既存の肝セグメンテーション法の精度と堅牢性は臨床応用の要件を満たしていない。 低ランクテンソル分解(LRTD)ベースのマルチアトラス分割(MAS)フレームワークを提案し、CT画像の正確で堅牢な病理学的肝分割を実現する。
  論文  参考訳（メタデータ） (2021-02-24T04:09:39Z)
• Online Domain Adaptation for Continuous Cross-Subject Liver Viability Evaluation Based on Irregular Thermal Data [0.47267770920095525]
  本研究は, 純肝領域の熱的不規則なデータと, 新しい肝の生存率をリアルタイムに評価するために, クロスオブジェクト肝評価情報を用いている。 提案手法を肝調達データに適用し,肝生存率を正確に評価した。
  論文  参考訳（メタデータ） (2020-11-24T21:42:19Z)
• Deep Learning based NAS Score and Fibrosis Stage Prediction from CT and Pathology Data [4.506304887966763]
  非アルコール性脂肪肝疾患 (NAFLD) は世界の人口で増加傾向にある。 我々はCTデータからNASスコアと線維化ステージを自動的に予測する新しい手法を提案する。 また,CTとH&Eの染色病理データから得られる情報を組み合わせてNASスコアと線維症ステージ予測の性能を向上させる手法を提案する。
  論文  参考訳（メタデータ） (2020-09-22T17:02:31Z)

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。