論文の概要: Prostate biopsy whole slide image dataset from an underrepresented Middle Eastern population

• arxiv url: http://arxiv.org/abs/2512.03854v1
• Date: Wed, 03 Dec 2025 14:54:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-04 20:02:55.339596
• Title: Prostate biopsy whole slide image dataset from an underrepresented Middle Eastern population
• Title（参考訳）: 前立腺生検による中東低地住民のスライド画像データセット
• Authors: Peshawa J. Muhammad Ali, Navin Vincent, Saman S. Abdulla, Han N. Mohammed Fadhl, Anders Blilie, Kelvin Szolnoky, Julia Anna Mielcarz, Xiaoyi Ji, Kimmo Kartasalo, Abdulbasit K. Al-Talabani, Nita Mulliqi,
• Abstract要約: イラクのエルビルで収集した185例の前立腺針生検の339例について報告する。 スライドは、グリーソンのスコアと、3人の病理学者によって独立に割り当てられた国際尿路病理学の成績に関連付けられている。
• 参考スコア（独自算出の注目度）: 0.013139426460041159
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) is increasingly used in digital pathology. Publicly available histopathology datasets remain scarce, and those that do exist predominantly represent Western populations. Consequently, the generalizability of AI models to populations from less digitized regions, such as the Middle East, is largely unknown. This motivates the public release of our dataset to support the development and validation of pathology AI models across globally diverse populations. We present 339 whole-slide images of prostate core needle biopsies from a consecutive series of 185 patients collected in Erbil, Iraq. The slides are associated with Gleason scores and International Society of Urological Pathology grades assigned independently by three pathologists. Scanning was performed using two high-throughput scanners (Leica and Hamamatsu) and one compact scanner (Grundium). All slides were de-identified and are provided in their native formats without further conversion. The dataset enables grading concordance analyses, color normalization, and cross-scanner robustness evaluations. Data will be deposited in the Bioimage Archive (BIA) under accession code: to be announced (TBA), and released under a CC BY 4.0 license.
• Abstract（参考訳）: 人工知能(AI)はデジタル病理学でますます使われている。 公的に利用可能な病理組織学データセットは乏しく、現存するものは主に西部の人口を代表している。 その結果、中東のようなデジタル化されていない地域からの人口に対するAIモデルの一般化可能性はほとんど分かっていない。 これは、世界中の多様な集団にわたる病理AIモデルの開発と検証を支援するために、私たちのデータセットの公開リリースを動機付けます。 イラクのエルビルで収集した185例の連続した前立腺針生検の339例について報告する。 スライドは、グリーソンのスコアと、3人の病理学者によって独立に割り当てられた国際耳鼻咽喉科の成績に関連付けられている。 走査は2つの高出力スキャナ(ライカと浜松)と1つのコンパクトスキャナ(グランジウム)を用いて行った。 すべてのスライドは識別されず、変換せずにネイティブフォーマットで提供される。 このデータセットは、階調解析、色正規化、クロススキャナロバストネス評価を可能にする。 データはBioimage Archive(BIA)のアクセスコード(TBA)に保管され、CC BY 4.0ライセンスでリリースされる。

関連論文リスト

• PSSF: Early osteoarthritis detection using physical synthetic knee X-ray scans and AI radiomics models [0.0]
  変形性関節症は 世界中で 障害の主な原因です X線スキャンは、主にプライバシーと制度上の制約のために入手が難しいことが多い。 本研究は、制御可能なX線スキャンを生成する物理ベースの合成シミュレーションフレームワーク(PSSF)を紹介する。
  論文  参考訳（メタデータ） (2026-01-14T16:54:20Z)
• Validation of Diagnostic Artificial Intelligence Models for Prostate Pathology in a Middle Eastern Cohort [0.013139426460041159]
  本研究は,前立腺癌のAI診断とGleason gradingに焦点をあてて,中東の外部的検証コホートを用いた第1回研究である。 イラクのクルディスタン地方から339種の前立腺生検標本をデジタル化した。
  論文  参考訳（メタデータ） (2025-12-19T12:08:28Z)
• Scaling Tumor Segmentation: Best Lessons from Real and Synthetic Data [62.63749675817477]
  AbdomenAtlas 2.0は10,135個のCTスキャンのデータセットで、6つの臓器に手動で注釈付けされた1ボクセルあたり15,130個の腫瘍例が記録されている。 公開データセットよりも顕著な改善が達成され、DSCテストは+7%、配布外テストは+16%向上した。
  論文  参考訳（メタデータ） (2025-10-16T16:08:09Z)
• PixCell: A generative foundation model for digital histopathology images [49.00921097924924]
  PixCellは,病理組織学における最初の拡散ベース生成基盤モデルである。 われわれはPanCan-30MでPixCellをトレーニングした。
  論文  参考訳（メタデータ） (2025-06-05T15:14:32Z)
• Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
  遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。 我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
  論文  参考訳（メタデータ） (2024-12-30T01:59:34Z)
• Towards a Comprehensive Benchmark for Pathological Lymph Node Metastasis in Breast Cancer Sections [21.75452517154339]
  我々は1,399枚のスライド画像(WSI)と、Camelyon-16とCamelyon-17データセットのラベルを再処理した。 再発腫瘍領域の大きさから,2重複癌検診を4段階に改善した。
  論文  参考訳（メタデータ） (2024-11-16T09:19:24Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Could We Generate Cytology Images from Histopathology Images? An Empirical Study [1.791005104399795]
  本研究では,CycleGANやNeural Style Transferといった従来の画像間転送モデルについて検討した。 本研究では,CycleGANやNeural Style Transferといった従来の画像間転送モデルについて検討した。
  論文  参考訳（メタデータ） (2024-03-16T10:43:12Z)
• RudolfV: A Foundation Model by Pathologists for Pathologists [13.17203220753175]
  計算病理学の基礎モデルを設計するための新しいアプローチを提案する。 我々のモデル "RudolfV" は、様々なベンチマークで既存の最先端基盤モデルを上回っています。
  論文  参考訳（メタデータ） (2024-01-08T18:31:38Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• The EMory BrEast imaging Dataset (EMBED): A Racially Diverse, Granular Dataset of 3.5M Screening and Diagnostic Mammograms [2.243792799100692]
  EMory BrEast画像データセットには3650,000の2Dと診断用マンモグラフィーが含まれており、白人とアフリカ系アメリカ人の患者に等しく分けられている。 私たちの目標は、このデータセットを研究パートナーと共有し、すべての患者に公平に提供し、医療AIのバイアスを減らすための乳房AIモデルの開発と検証を支援することです。
  論文  参考訳（メタデータ） (2022-02-08T14:40:59Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。