論文の概要: A tissue and cell-level annotated H&E and PD-L1 histopathology image dataset in non-small cell lung cancer
- arxiv url: http://arxiv.org/abs/2507.16855v1
- Date: Mon, 21 Jul 2025 12:16:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:14.691987
- Title: A tissue and cell-level annotated H&E and PD-L1 histopathology image dataset in non-small cell lung cancer
- Title（参考訳）: 非小細胞肺癌における組織および細胞レベルでのH&EおよびPD-L1組織像データセット
- Authors: Joey Spronck, Leander van Eekelen, Dominique van Midden, Joep Bogaerts, Leslie Tessier, Valerie Dechering, Muradije Demirel-Andishmand, Gabriel Silva de Souza, Roland Nemeth, Enrico Munari, Giuseppe Bogina, Ilaria Girolami, Albino Eccher, Balazs Acs, Ceren Boyaci, Natalie Klubickova, Monika Looijen-Salamon, Shoko Vos, Francesco Ciompi,
- Abstract要約: IGNITEデータセットは、注釈付きNACLC全スライダー画像のマルチステイン、マルチ中心、マルチスキャナデータセットである。
このデータセットには、3つの相補的なタスクを含む155人のユニークな患者から887の完全注釈付き領域が含まれている。
我々の知る限り、このデータセットは転移部位とPD-L1 IHCでH&Eのマニュアルアノテーションを付加した初めてのパブリックNSCLCデータセットである。
- 参考スコア（独自算出の注目度）: 0.7400138614614626
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The tumor immune microenvironment (TIME) in non-small cell lung cancer (NSCLC) histopathology contains morphological and molecular characteristics predictive of immunotherapy response. Computational quantification of TIME characteristics, such as cell detection and tissue segmentation, can support biomarker development. However, currently available digital pathology datasets of NSCLC for the development of cell detection or tissue segmentation algorithms are limited in scope, lack annotations of clinically prevalent metastatic sites, and forgo molecular information such as PD-L1 immunohistochemistry (IHC). To fill this gap, we introduce the IGNITE data toolkit, a multi-stain, multi-centric, and multi-scanner dataset of annotated NSCLC whole-slide images. We publicly release 887 fully annotated regions of interest from 155 unique patients across three complementary tasks: (i) multi-class semantic segmentation of tissue compartments in H&E-stained slides, with 16 classes spanning primary and metastatic NSCLC, (ii) nuclei detection, and (iii) PD-L1 positive tumor cell detection in PD-L1 IHC slides. To the best of our knowledge, this is the first public NSCLC dataset with manual annotations of H&E in metastatic sites and PD-L1 IHC.
- Abstract（参考訳）: 非小細胞肺癌(NSCLC)の病理組織学における腫瘍免疫ミクロ環境(TIME)は、免疫療法応答を予測する形態学的および分子的特徴を含む。
細胞検出や組織セグメンテーションなどのTIME特性の計算量化はバイオマーカーの開発を支援することができる。
しかし、現在利用可能なNSCLCのデジタル病理データセットは、細胞検出や組織分画アルゴリズムの開発に限られており、臨床に広く用いられている転移部位のアノテーションが欠如しており、PD-L1免疫組織化学(IHC)のような分子情報がない。
このギャップを埋めるために、IGNITEデータツールキット、マルチステイン、マルチセントリック、マルチスキャナーで注釈付きNACLC全スライダー画像のデータセットを導入する。
我々は3つの相補的課題からなる155人のユニークな患者から887の完全注釈付き領域を公表した。
(i) H&E-stained Slidesにおける組織成分の多型的セマンティックセマンティックセグメンテーション : 一次および転移性NSCLCにまたがる16のクラス
(ii)核検出、及び
3)PD-L1 IHCスライドにおけるPD-L1陽性腫瘍細胞の検出
我々の知る限り、このデータセットは転移部位とPD-L1 IHCでH&Eのマニュアルアノテーションを付加した初めてのパブリックNSCLCデータセットである。
関連論文リスト
- MIPHEI-ViT: Multiplex Immunofluorescence Prediction from H&E Images using ViT Foundation Models [2.2802322828460864]
我々は、最先端のViT基盤モデルをエンコーダとして統合し、H&E画像からmIF信号を予測するU-NetにインスパイアされたアーキテクチャであるMIPHEIを紹介する。
大腸癌組織から得られた残留H&EおよびmIF画像のORIONデータセットを用いて,本モデルをトレーニングした。
MIPHEIはH&Eだけで正確な細胞型分類を実現しており、Pan-CKは0.88点、CD3eは0.57点、SMAは0.56点、CD68は0.36点、CD20は0.30点である。
論文 参考訳（メタデータ） (2025-05-15T13:42:48Z) - Histo-Miner: Deep Learning based Tissue Features Extraction Pipeline from H&E Whole Slide Images of Cutaneous Squamous Cell Carcinoma [31.25944547782148]
Histo-Minerは、皮膚組織のWSI(Whole-Slide Images)を分析するためのディープラーニングパイプラインである。
皮膚扁平上皮癌(c SCC)患者の検体分析のためのパイプラインを開発した。
Histo-Minerは、核のセグメンテーションと分類、および腫瘍領域セグメンテーションに畳み込みニューラルネットワークとビジョントランスフォーマーを使用している。
論文 参考訳（メタデータ） (2025-05-07T09:34:03Z) - Comprehensive Pathological Image Segmentation via Teacher Aggregation for Tumor Microenvironment Analysis [0.15206737182982252]
PAGET (Pathological image segmentation via AGgrEgated Teachers) は,複数のセグメンテーションモデルを統合する新しい知識蒸留手法である。
PAGETが様々な組織タイプや医療機関に対して,迅速かつ包括的なTMEセグメンテーションを行う能力を示す。
論文 参考訳（メタデータ） (2025-01-06T10:33:14Z) - Multi-modal Medical Image Fusion For Non-Small Cell Lung Cancer Classification [7.002657345547741]
非小細胞肺癌(NSCLC)は、世界中のがん死亡の主な原因である。
本稿では, 融合医療画像(CT, PET)と臨床健康記録, ゲノムデータとを合成する, マルチモーダルデータの革新的な統合について紹介する。
NSCLCの検出と分類精度の大幅な向上により,本研究は既存のアプローチを超越している。
論文 参考訳（メタデータ） (2024-09-27T12:59:29Z) - CIMIL-CRC: a clinically-informed multiple instance learning framework for patient-level colorectal cancer molecular subtypes classification from H\&E stained images [42.771819949806655]
CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。
我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
論文 参考訳（メタデータ） (2024-01-29T12:56:11Z) - Classification of lung cancer subtypes on CT images with synthetic
pathological priors [41.75054301525535]
同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。
肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
論文 参考訳（メタデータ） (2023-08-09T02:04:05Z) - Meta-information-aware Dual-path Transformer for Differential Diagnosis
of Multi-type Pancreatic Lesions in Multi-phase CT [41.199716328468895]
膵病変の分類と分節の可能性を活用するために, デュアルパストランスフォーマーを開発した。
提案手法は, CNN-based segmentation path (S-path) と Transformer-based classification path (C-path) から構成される。
以上の結果から,膵病変の完全分類の正確な分類と分類が可能であることが示唆された。
論文 参考訳（メタデータ） (2023-03-02T03:34:28Z) - 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) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - DLBCL-Morph: Morphological features computed using deep learning for an
annotated digital DLBCL image set [3.5947673199446935]
Diffuse Large B-Cell Lymphoma (DLBCL) が最も一般的な非ホジキンリンパ腫である。
予後と相関する形態学的特徴は一貫して示されていない。
DLBCL209例の病理組織学的検討を行い,臨床および細胞遺伝学的検討を行った。
論文 参考訳（メタデータ） (2020-09-17T07:43:42Z) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳（メタデータ） (2020-05-27T06:58:39Z)
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。