論文の概要: Automated Histopathologic Assessment of Hirschsprung Disease Using a Multi-Stage Vision Transformer Framework

• arxiv url: http://arxiv.org/abs/2511.20734v1
• Date: Tue, 25 Nov 2025 15:53:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.800287
• Title: Automated Histopathologic Assessment of Hirschsprung Disease Using a Multi-Stage Vision Transformer Framework
• Title（参考訳）: Multi-Stage Vision Transformer Framework を用いたHirschsprung病の病理組織学的自動評価
• Authors: Youssef Megahed, Saleh Abou-Alwan, Anthony Fuller, Dina El Demellawy, Steven Hawken, Adrian D. C. Chan,
• Abstract要約: Hirschsprung病は腸間膜叢に神経節細胞が欠如していることが特徴である。 病理医の診断アプローチを模倣したビジョントランスフォーマー(ViT-B/16)に基づく3段階セグメンテーションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.360330081206126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hirschsprung Disease is characterized by the absence of ganglion cells in the myenteric plexus. Therefore, their correct identification is crucial for diagnosing Hirschsprung disease. We introduce a three-stage segmentation framework based on a Vision Transformer (ViT-B/16) that mimics the pathologist's diagnostic approach. The framework sequentially segments the muscularis propria, delineates the myenteric plexus, and identifies ganglion cells within anatomically valid regions. 30 whole-slide images of colon tissue were used, each containing expert manual annotations of muscularis, plexus, and ganglion cells at varying levels of certainty. A 5-fold cross-validation scheme was applied to each stage, along with resolution-specific tiling strategies and tailored postprocessing to ensure anatomical consistency. The proposed method achieved a Dice coefficient of 89.9% and a Plexus Inclusion Rate of 100% for muscularis segmentation. Plexus segmentation reached a recall of 94.8%, a precision of 84.2% and a Ganglia Inclusion Rate of 99.7%. For high-certainty ganglion cells, the model achieved 62.1% precision and 89.1% recall, while joint certainty scores yielded 67.0% precision. These results indicate that ViT-based models are effective at leveraging global tissue context and capturing cellular morphology at small scales, even within complex histological tissue structures. This multi-stage methodology has great potential to support digital pathology workflows by reducing inter-observer variability and assisting in the evaluation of Hirschsprung disease. The clinical impact will be evaluated in future work with larger multi-center datasets and additional expert annotations.
• Abstract（参考訳）: Hirschsprung病は腸間膜叢に神経節細胞が欠如していることが特徴である。 したがって、ヒルシュスプルング病の診断には正しい同定が不可欠である。 病理医の診断アプローチを模倣したビジョントランスフォーマー(ViT-B/16)に基づく3段階セグメンテーションフレームワークを提案する。 この枠組みは筋肉性プロパリアを逐次分節し、腸間膜叢を規定し、解剖学的に有効な領域内の神経節細胞を同定する。 大腸組織の30枚のスライディング画像を用い, それぞれ, 筋, 神経節, 神経節細胞について, 各種の確証が得られた。 5倍のクロスバリデーションスキームを各ステージに適用し,分解能特異的なタイリング戦略と,解剖学的整合性を確保するために調整後処理を行った。 提案法は筋分節に対するDice係数89.9%,Plexus Inclusion Rate100%を達成した。 プレクサスのセグメンテーションは94.8%、精度84.2%、ガングリア包含率99.7%に達した。 高確実性ガングリオン細胞では62.1%の精度と89.1%のリコールを達成し、関節確実性スコアは67.0%の精度を得た。 これらの結果は, 複雑な組織構造においても, 大域的な組織コンテキストの活用と細胞形態の獲得に有効なモデルであることが示唆された。 この多段階の方法論は、サーバ間の変動を減らし、Hirschsprung病の評価を支援することで、デジタル病理ワークフローをサポートする大きな可能性を秘めている。 今後、より大規模なマルチセンターデータセットと追加のエキスパートアノテーションで臨床効果を評価する予定である。

関連論文リスト

• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• Segmentation of Muscularis Propria in Colon Histopathology Images Using Vision Transformers for Hirschsprung's Disease [0.5825410941577593]
  ビジョントランスフォーマー(ViT)は、自己意識によって強力なディープラーニングアプローチとして登場した。 本研究は,カレチニン染色組織像における筋プロプライア分画に対するViTsの応用について検討した。
  論文  参考訳（メタデータ） (2024-12-29T20:43:43Z)
• Exploiting Precision Mapping and Component-Specific Feature Enhancement for Breast Cancer Segmentation and Identification [0.0]
  乳房病変の分類・分類のための新しいDeep Learning(DL)フレームワークを提案する。 本稿では,PMAD-LinkNetセグメンテーションフレームワークの高精度マッピング機構(PMM)を提案する。 また、コンポーネント固有の特徴拡張モジュール (CSFEM) を導入し、コンポーネント固有の特徴強化分類器 (CSFEC-Net) を提案する。
  論文  参考訳（メタデータ） (2024-07-03T06:40:26Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.76736949127792]
  我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。 上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
  論文  参考訳（メタデータ） (2024-05-16T03:23:57Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
  セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。 同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。 大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
  論文  参考訳（メタデータ） (2021-02-03T10:23:41Z)

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。