論文の概要: Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow
- arxiv url: http://arxiv.org/abs/2601.19378v2
- Date: Fri, 30 Jan 2026 00:40:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-02 14:22:45.197904
- Title: Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow
- Title（参考訳）: 人工知能に基づくワークフローによる皮膚病理学百科事典DermpathNetの確立
- Authors: Ziyang Xu, Mingquan Lin, Yiliang Zhou, Zihan Xu, Seth J. Orlow, Shane A. Meehan, Alexandra Flamm, Ata S. Moshiri, Yifan Peng,
- Abstract要約: 我々は、PubMed Central(PMC)リポジトリの画像のキュレートと分類にハイブリッドワークフローを使用しました。
651枚の手動アノテート画像による検証により, ワークフローの堅牢性が確認された。
我々は166の診断で7,772枚以上の画像を取得し、この完全な注釈付きデータセットをリリースした。
- 参考スコア（独自算出の注目度）: 44.28296460391389
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accessing high-quality, open-access dermatopathology image datasets for learning and cross-referencing is a common challenge for clinicians and dermatopathology trainees. To establish a comprehensive open-access dermatopathology dataset for educational, cross-referencing, and machine-learning purposes, we employed a hybrid workflow to curate and categorize images from the PubMed Central (PMC) repository. We used specific keywords to extract relevant images, and classified them using a novel hybrid method that combined deep learning-based image modality classification with figure caption analyses. Validation on 651 manually annotated images demonstrated the robustness of our workflow, with an F-score of 89.6% for the deep learning approach, 61.0% for the keyword-based retrieval method, and 90.4% for the hybrid approach. We retrieved over 7,772 images across 166 diagnoses and released this fully annotated dataset, reviewed by board-certified dermatopathologists. Using our dataset as a challenging task, we found the current image analysis algorithm from OpenAI inadequate for analyzing dermatopathology images. In conclusion, we have developed a large, peer-reviewed, open-access dermatopathology image dataset, DermpathNet, which features a semi-automated curation workflow.
- Abstract（参考訳）: 学習と相互参照のための高品質でオープンな皮膚病理画像データセットへのアクセスは、臨床医や皮膚病理医にとって共通の課題である。
教育,クロスレファレンス,機械学習目的のための包括的オープンアクセス皮膚病理データセットを確立するために,我々はPubMed Central(PMC)リポジトリからの画像をキュレートし分類するためのハイブリッドワークフローを採用した。
我々は,特定のキーワードを用いて関連画像の抽出を行い,深層学習に基づく画像モダリティ分類と図形キャプション解析を組み合わせた新しいハイブリッド手法を用いて分類した。
651枚の手動アノテート画像の検証により,Fスコアが89.6%,キーワードベース検索が61.0%,ハイブリッドアプローチが90.4%,ワークフローの堅牢性が確認された。
我々は166の診断で7,772枚以上の画像を取得し、この完全に注釈付きデータセットを公表した。
このデータセットを課題として用いた結果,現在のOpenAI画像解析アルゴリズムでは,皮膚病理像の分析に不適当であることが判明した。
結論として、我々は、半自動キュレーションワークフローを備えた大規模でピアレビューされたオープンアクセス型皮膚病理画像データセットDermpathNetを開発した。
関連論文リスト
- MedROV: Towards Real-Time Open-Vocabulary Detection Across Diverse Medical Imaging Modalities [89.81463562506637]
医用画像のための最初のリアルタイムオープン語彙検出モデルであるMedROVを紹介する。
対照的な学習とクロスモーダル表現を活用することで、MedROVは既知の構造と新しい構造の両方を効果的に検出する。
論文 参考訳（メタデータ） (2025-11-25T18:59:53Z) - PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。
本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。
本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
論文 参考訳（メタデータ） (2025-04-09T14:58:21Z) - Local-to-Global Self-Supervised Representation Learning for Diabetic Retinopathy Grading [0.0]
本研究では,自己指導型学習と知識蒸留を用いた新しいハイブリッド学習モデルを提案する。
我々のアルゴリズムでは、自己教師型学習および知識蒸留モデルの中で初めて、テストデータセットがトレーニングデータセットよりも50%大きい。
類似の最先端モデルと比較すると,より高精度で効率的な表現空間が得られた。
論文 参考訳（メタデータ） (2024-10-01T15:19:16Z) - Masked Image Modeling: A Survey [73.21154550957898]
マスク付き画像モデリングは、コンピュータビジョンにおける強力な自己教師付き学習技術として登場した。
我々は近年,分類学を構築し,最も顕著な論文をレビューしている。
我々は,最も人気のあるデータセット上で,様々なマスク付き画像モデリング手法の性能評価結果を集約する。
論文 参考訳（メタデータ） (2024-08-13T07:27:02Z) - Integration of Self-Supervised BYOL in Semi-Supervised Medical Image Recognition [10.317372960942972]
本稿では,自己教師付き学習を半教師付きモデルに統合し,医用画像認識を向上する,革新的なアプローチを提案する。
提案手法はラベルのないデータを最適に活用し,医用画像認識の精度で既存の手法より優れている。
論文 参考訳（メタデータ） (2024-04-16T09:12:16Z) - Nucleus-aware Self-supervised Pretraining Using Unpaired Image-to-image
Translation for Histopathology Images [3.8391355786589805]
病理組織像のための新しい核認識型自己教師型プレトレーニングフレームワークを提案する。
このフレームワークは、未ペア画像から画像への変換によって核形態や分布情報を捉えることを目的としている。
7つのデータセットに対する実験により,提案手法は,Kather分類,複数インスタンス学習,および5つの高密度予測タスクにおいて,教師付き手法よりも優れていた。
論文 参考訳（メタデータ） (2023-09-14T02:31:18Z) - LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳（メタデータ） (2023-06-20T22:21:34Z) - Multimorbidity Content-Based Medical Image Retrieval Using Proxies [37.47987844057842]
本稿では、分類とコンテンツに基づく画像検索の両方に使用できる新しい多ラベルメトリック学習法を提案する。
本モデルは,疾患の存在を予測し,これらの予測の証拠を提供することによって診断を支援することができる。
分類とコンテンツに基づく画像検索へのアプローチの有効性を2つのマルチモービディティー・ラジオロジー・データセットで実証した。
論文 参考訳（メタデータ） (2022-11-22T11:23:53Z) - Intelligent Masking: Deep Q-Learning for Context Encoding in Medical
Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。
予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-03-25T19:05:06Z) - Self-Path: Self-supervision for Classification of Pathology Images with
Limited Annotations [4.713391888104896]
病理画像における一般化可能な領域不変表現を学習するために,ラベルのないデータを活用する自己教師付きCNN手法を提案する。
病理画像における文脈的・多解像度・意味的特徴を活用する新しい領域固有のセルフスーパービジョンタスクを導入する。
論文 参考訳（メタデータ） (2020-08-12T21:02:32Z)
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。