論文の概要: OpenTME: An Open Dataset of AI-powered H&E Tumor Microenvironment Profiles from TCGA
- arxiv url: http://arxiv.org/abs/2604.12075v1
- Date: Mon, 13 Apr 2026 21:27:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.129324
- Title: OpenTME: An Open Dataset of AI-powered H&E Tumor Microenvironment Profiles from TCGA
- Title（参考訳）: OpenTME: TCGAによるAIによるH&E腫瘍マイクロ環境プロファイルのオープンデータセット
- Authors: Maaike Galama, Nina Kozar-Gillan, Christina Embacher, Todd Dembo, Cornelius Böhm, Evelyn Ramberger, Julika Ribbat-Idel, Rosemarie Krupar, Verena Aumiller, Miriam Hägele, Kai Standvoss, Gerrit Erdmann, Blanca Pablos, Ari Angelo, Simon Schallenberg, Andrew Norgan, Viktor Matyas, Klaus-Robert Müller, Maximilian Alber, Lukas Ruff, Frederick Klauschen,
- Abstract要約: 腫瘍微小環境(TME)は、がん進行、治療反応、患者の予後において中心的な役割を果たす。
The Cancer Genome Atlas (TCGA) の3,634個のH&E染色された全スライディング画像から、あらかじめ計算したTMEプロファイルのオープンアクセスデータセットであるOpenTMEを紹介する。
全てのアウトプットは、AtlasファウンデーションモデルであるAtlasファウンデーションモデルに基づいて構築されたAI駆動のアプリケーションであるAtlas H&E-TMEを使用して生成された。
- 参考スコア（独自算出の注目度）: 8.431607051851566
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The tumor microenvironment (TME) plays a central role in cancer progression, treatment response, and patient outcomes, yet large-scale, consistent, and quantitative TME characterization from routine hematoxylin and eosin (H&E)-stained histopathology remains scarce. We introduce OpenTME, an open-access dataset of pre-computed TME profiles derived from 3,634 H&E-stained whole-slide images across five cancer types (bladder, breast, colorectal, liver, and lung cancer) from The Cancer Genome Atlas (TCGA). All outputs were generated using Atlas H&E-TME, an AI-powered application built on the Atlas family of pathology foundation models, which performs tissue quality control, tissue segmentation, cell detection and classification, and spatial neighborhood analysis, yielding over 4,500 quantitative readouts per slide at cell-level resolution. OpenTME is available for non-commercial academic research on Hugging Face. We will continue to expand OpenTME over time and anticipate it will serve as a resource for biomarker discovery, spatial biology research, and the development of computational methods for TME analysis.
- Abstract（参考訳）: 腫瘍微小環境 (TME) は癌進行, 治療反応, 患者予後において中心的な役割を担っているが, 常用ヘマトキシリンおよびエオシン(H&E)含有の病理組織学的特徴は乏しい。
The Cancer Genome Atlas (TCGA) の5種類の癌(膀胱, 乳房, 大腸癌, 肝臓, 肺癌)を対象とした3,634個のH&E染色画像から, 予め計算したTMEプロファイルのオープンアクセスデータセットであるOpenTMEを紹介した。
全ての出力は、Atlas H&E-TME(Atlasファウンデーションモデルに基づくAIベースのアプリケーション)を使用して生成され、組織品質制御、組織セグメンテーション、細胞検出と分類、空間的近傍分析を行う。
OpenTMEは、Hugging Faceに関する非商用学術研究のために利用可能である。
今後もOpenTMEを拡大し、バイオマーカー発見、空間生物学研究、およびTME分析のための計算手法の開発のためのリソースとして機能していきたいと考えています。
関連論文リスト
- From Linear Probing to Joint-Weighted Token Hierarchy: A Foundation Model Bridging Global and Cellular Representations in Biomarker Detection [44.3895875409365]
AIベースのバイオマーカーは、ヘマトキシリンとエオシン(H&E)スライドから直接分子的特徴を推測することができる。
ほとんどの病理基盤モデル(PFM)は、グローバルなパッチレベルの埋め込みに依存し、細胞レベルの形態を見落としている。
本稿では,大規模自己教師型事前学習とセル中心のポストチューニングとアテンションプールを統合し,局所トークンとグローバルトークンを融合させるPFMモデルJWTHを提案する。
論文 参考訳（メタデータ） (2025-11-07T11:05:36Z) - A Multicentric Dataset for Training and Benchmarking Breast Cancer Segmentation in H&E Slides [1.2783652545738993]
本稿では,H&E陽性乳癌のマルチクラスセマンティックセグメンテーションのためのデータセットであるBrEast cancEr hisTopathoLogy sEgmentation (BEETLE)を紹介する。
3つの共同臨床センターと2つの公開データセットから587の生検と切除を行い、7つのスキャナーを用いてデジタル化し、全ての分子サブタイプと組織学的グレードをカバーする。
このデータセットの多様性と乳がんにおける自動バイオマーカー定量化分野への関連性は、その再利用の可能性を高める。
論文 参考訳（メタデータ） (2025-10-02T14:09:21Z) - ScaleMAI: Accelerating the Development of Trusted Datasets and AI Models [46.80682547774335]
我々はAI統合データキュレーションとアノテーションのエージェントであるScaleMAIを提案する。
まず、ScaleMAIは25,362個のCTスキャンを作成した。
第2に、プログレッシブなヒューマン・イン・ザ・ループのイテレーションを通じて、ScaleMAIはFragship AI Modelを提供する。
論文 参考訳（メタデータ） (2025-01-06T22:12:00Z) - 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) - 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) - Genomics-guided Representation Learning for Pathologic Pan-cancer Tumor Microenvironment Subtype Prediction [7.502459517962686]
パンキャンサーTMEサブタイプ予測に全スライド画像(WSI)を用いたゲノム誘導型表現学習フレームワークPathoTMEを提案する。
我々のモデルは,TCGAデータセット上の23種類の癌に対して,最先端の手法よりも優れた性能を実現する。
論文 参考訳（メタデータ） (2024-06-10T17:56:21Z) - MEDPSeg: Hierarchical polymorphic multitask learning for the segmentation of ground-glass opacities, consolidation, and pulmonary structures on computed tomography [37.119000111386924]
MEDPSegは階層型多形マルチタスク学習(HPML)を通して異種胸部CTターゲットから学習する
本稿では,GGOと統合セグメンテーションタスクの最先端性能を実現するPMLについて述べる。
さらに、MEDPSegは肺発作、気道、肺動脈、肺病変の分節を同時に行う。
論文 参考訳（メタデータ） (2023-12-04T21:46:39Z) - Generating counterfactual explanations of tumor spatial proteomes to
discover effective strategies for enhancing immune infiltration [44.99833362998488]
腫瘍微小環境(TME)は免疫組成により癌予後に大きな影響を及ぼす。
本稿では,T細胞浸潤予測を自己教師型機械学習問題として定式化する。
悪性黒色腫,大腸癌肝転移,乳癌データに枠組みを応用し,T細胞浸潤が予測される摂動を発見した。
論文 参考訳（メタデータ） (2022-11-08T05:46:02Z) - 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) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。