論文の概要: Weakly Supervised Segmentation and Classification of Alpha-Synuclein Aggregates in Brightfield Midbrain Images

• arxiv url: http://arxiv.org/abs/2511.16268v1
• Date: Thu, 20 Nov 2025 11:51:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.593985
• Title: Weakly Supervised Segmentation and Classification of Alpha-Synuclein Aggregates in Brightfield Midbrain Images
• Title（参考訳）: ブライトフィールド中脳画像におけるAlpha-Synuclein aggregateの弱補正と分類
• Authors: Erwan Dereure, Robin Louiset, Laura Parkkinen, David A Menassa, David Holcman,
• Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、α-シヌクレイン凝集物の蓄積に伴う神経変性疾患である。 本研究では,これらの集合を全スライディング画像に分割・分類する自動画像処理パイプラインを開発した。 我々の手法は、レヴィ体や神経突起を含む主要な集合形態を80%の精度で区別することができる。
• 参考スコア（独自算出の注目度）: 1.6637373649145604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parkinson's disease (PD) is a neurodegenerative disorder associated with the accumulation of misfolded alpha-synuclein aggregates, forming Lewy bodies and neuritic shape used for pathology diagnostics. Automatic analysis of immunohistochemistry histopathological images with Deep Learning provides a promising tool for better understanding the spatial organization of these aggregates. In this study, we develop an automated image processing pipeline to segment and classify these aggregates in whole-slide images (WSIs) of midbrain tissue from PD and incidental Lewy Body Disease (iLBD) cases based on weakly supervised segmentation, robust to immunohistochemical labelling variability, with a ResNet50 classifier. Our approach allows to differentiate between major aggregate morphologies, including Lewy bodies and neurites with a balanced accuracy of $80\%$. This framework paves the way for large-scale characterization of the spatial distribution and heterogeneity of alpha-synuclein aggregates in brightfield immunohistochemical tissue, and for investigating their poorly understood relationships with surrounding cells such as microglia and astrocytes.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の一つで、誤形成したα-シヌクレイン凝集体を蓄積し、レヴィ体を形成し、病理診断に使用される神経質の形状を形成する。 Deep Learningを用いた免疫組織化学組織像の自動解析は、これらの集合体の空間的構造をよりよく理解するための有望なツールを提供する。 本研究では,これらの集合体をPDと偶発的なLewy Body Disease(iLBD)の半脳組織の全スライディング画像(WSI)に分割・分類する自動画像処理パイプラインを開発した。 我々の手法は、Lewy体や神経突起を含む主要な集合形態を80\%の精度で区別することができる。 この枠組みは、蛍光体免疫組織におけるα-シヌクレイン凝集体の空間分布と不均一性を大規模に評価する方法を舗装し、マイクログリアやアストロサイトなどの周辺細胞との理解が不十分な関係を解明するためのものである。

関連論文リスト

• MorphGen: Morphology-Guided Representation Learning for Robust Single-Domain Generalization in Histopathological Cancer Classification [7.220226391639059]
  計算病理学における領域一般化は、スライド画像全体の不均一性によって妨げられる。 組織像,拡張,核分割マスクを統合したMorphGenを提案する。 画像の汚損(染色品など)や敵攻撃に対する学習表現のレジリエンスを実証する。
  論文  参考訳（メタデータ） (2025-08-30T01:59:19Z)
• M^3-GloDets: Multi-Region and Multi-Scale Analysis of Fine-Grained Diseased Glomerular Detection [8.016032806222892]
  M3-GloDetは、検出モデルの徹底的な評価を可能にするために設計された、体系的なフレームワークである。 我々は、長年のベンチマークアーキテクチャと、注目すべきパフォーマンスを達成した最先端モデルの両方を評価した。 我々の目標は、モデル強度と限界の理解を深め、自動検出戦略の洗練のための実用的な洞察を提供することである。
  論文  参考訳（メタデータ） (2025-08-25T04:52:34Z)
• Multi-Scale Representation of Follicular Lymphoma Pathology Images in a Single Hyperbolic Space [16.779755785147195]
  自己教師付き学習を用いた悪性リンパ腫の病理像の表現法を提案する。 疾患進行の過程で発生する形態変化を捉えるため,本手法では組織とそれに対応する核像を互いに近接して埋め込む。
  論文  参考訳（メタデータ） (2025-06-23T11:25:55Z)
• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [57.044719143401664]
  病理組織学と転写学は、腫瘍学の基本的なモダリティであり、疾患の形態学的および分子的側面を包含している。 モーダルアライメントと保持を両立させる新しいマルチモーダル表現学習法であるMIRRORを提案する。 がんの亜型化と生存分析のためのTCGAコホートに関する広範囲な評価は,MIRRORの優れた性能を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-01T07:02:30Z)
• FMDNN: A Fuzzy-guided Multi-granular Deep Neural Network for Histopathological Image Classification [40.94024666952439]
  ファジィ誘導多粒性ディープニューラルネットワーク(FMDNN)を提案する。 病理学者の多粒性診断アプローチに触発され, 粗さ, 培地, 微粒度における細胞構造の特徴抽出を行った。 ファジィ誘導型クロスアテンションモジュールは、普遍的なファジィ特徴を多粒性特徴へ導く。
  論文  参考訳（メタデータ） (2024-07-22T00:46:15Z)
• Enhancing Medical Image Segmentation: Optimizing Cross-Entropy Weights and Post-Processing with Autoencoders [10.59457299493644]
  本稿では,医用画像セグメンテーションに適した深層学習手法を提案する。 提案手法は,U-Netでは平均12.26%,U-Net++では12.04%,皮膚筋炎データセットではResNetファミリーのエンコーダでは平均12.26%,最先端技術では12.04%に優れていた。
  論文  参考訳（メタデータ） (2023-08-21T06:09:00Z)
• Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
  DeepGliomaは人工知能に基づく診断スクリーニングシステムである。 ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
  論文  参考訳（メタデータ） (2023-03-23T18:50:18Z)
• Interpretable multimodal fusion networks reveal mechanisms of brain cognition [26.954460880062506]
  我々は,自動診断と結果解釈を同時に行うことができる,解釈可能なマルチモーダル融合モデルgCAM-CCLを開発した。 脳画像遺伝学的研究におけるgCAM-CCLモデルの有効性を検証し,gCAM-CCLの分類と機構解析の両面において良好な性能を示した。
  論文  参考訳（メタデータ） (2020-06-16T18:52:50Z)

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。