論文の概要: Benchmarking and Improvement of Artifact Segmentation Methods in H&E-Stained Whole Slide Imaging

• arxiv url: http://arxiv.org/abs/2610.24037v1
• Date: Fri, 16 Oct 2026 12:03:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 11:29:48.325423
• Title: Benchmarking and Improvement of Artifact Segmentation Methods in H&E-Stained Whole Slide Imaging
• Title（参考訳）: H&E染色全スライドイメージングにおけるアーティファクトセグメンテーション手法のベンチマークと改善
• Abstract要約: 組織調製やスライドスキャンで導入された技術成果物は、堅牢な計算病理アルゴリズムを開発する上で大きな障害となっている。 本稿では,HE-stained WSIのアーティファクトセグメンテーション手法のベンチマークを示す。
• 参考スコア（独自算出の注目度）: 0.44739156031315924
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Technical artifacts introduced during tissue preparation or slide scanning remain a major obstacle to developing robust computational pathology algorithms for hematoxylin and eosin (HE)-stained whole-slide images (WSIs). Despite the growing number of quality-control tools, their real-world utility remains hard to assess because of the limited number of publicly available implementations and the lack of systematic, multi-dataset comparisons. This paper presents a benchmark of artifact segmentation methods for HE-stained WSIs. After a literature review, six publicly available algorithms were selected and compared in terms of their ability to segment artifact-free tissue and selected artifact classes. Two publicly available datasets and a newly introduced dataset released to support further research were used for evaluation. Tissue samples from multiple medical centers and different organs are included, enabling evaluation across heterogeneous data sources. Segmentation performance was assessed using Dice Index, pixel-level recall, and false discovery rate for artifact-free tissue segmentation. For algorithms supporting multiclass artifact segmentation, class-wise Dice Index and inter-class misclassification were evaluated. In addition to segmentation quality, processing time was assessed. Statistical analysis revealed significant differences in segmentation performance between methods. HistoKit, which incorporates a modified version of the GrandQC, was identified as the best-performing algorithm, while HistoQC was the worst. In terms of artifact types, dark spots and out of focus regions were harder to segment than others. Finally, a simple post-processing step was introduced for HistoKit, which further improved segmentation performance. The benchmark establishes a reference for evaluating and developing artifact segmentation methods for HE-stained WSIs.
• Abstract（参考訳）: 組織調製やスライドスキャンで導入された人工物は、ヘマトキシリンとエオシン含有全スライディング画像(WSI)のための堅牢な計算病理アルゴリズムを開発する上で大きな障害である。 品質管理ツールの増加にもかかわらず、公開実装の数が限られており、体系的なマルチデータセット比較が欠如しているため、現実のユーティリティを評価するのは難しい。 本稿では,HE-stained WSIのアーティファクトセグメンテーション手法のベンチマークを示す。 文献レビューの後、6つの公開アルゴリズムが選択され、アーティファクトのない組織と選択されたアーティファクトクラスを分割する能力について比較された。 2つの公開データセットと、さらなる研究をサポートするために新たに導入されたデータセットが評価に使用された。 複数の医療センターと異なる臓器の組織サンプルが含まれており、不均一なデータソースをまたいで評価することができる。 Dice Index, ピクセルレベルのリコール, 偽発見率を用いて, 無アーティファクト組織セグメンテーションのセグメンテーション性能を評価した。 マルチクラスのアーティファクトセグメンテーションをサポートするアルゴリズムについて,クラスワイドDice Indexとクラス間ミス分類を評価した。 セグメンテーションの品質に加えて、処理時間も評価された。 統計的解析により, セグメンテーション性能に有意な差が認められた。 修正版のGrandQCを組み込んだHistoKitは最高のパフォーマンスのアルゴリズムとして認識され、HistoQCは最悪のものだった。 アーティファクトタイプでは、ダークスポットやフォーカス外領域は、他よりもセグメント化が困難だった。 最後に、HistoKit用の単純な後処理ステップが導入され、セグメンテーション性能がさらに向上した。 このベンチマークは、HE-stained WSIsのアーティファクトセグメンテーション手法の評価と開発のための基準を確立する。

関連論文リスト

• QCResUNet: Joint Subject-level and Voxel-level Segmentation Quality Prediction [0.2895421284478621]
  深層学習は、MRI(MRI)スキャンによる脳腫瘍の自動切除において大きな進歩を遂げている。 セグメンテーション結果の品質を確認するには品質管理(QC)が必要である。 本稿では,各組織クラスに対して,被験者レベルのセグメンテーション品質尺度とボクセルレベルのセグメンテーション誤差マップを生成するQCResUNetを提案する。
  論文  参考訳（メタデータ） (2024-12-10T03:27:33Z)
• Improving Generalization Capability of Deep Learning-Based Nuclei Instance Segmentation by Non-deterministic Train Time and Deterministic Test Time Stain Normalization [0.674572634849505]
  核のインスタンスセグメンテーションは、幅広い臨床および研究応用において、基本的な役割を果たす。 ディープラーニング(DL)ベースのアプローチは、最高のパフォーマンスを提供するために示されています。 本稿では,DLに基づく自動セグメンテーション手法の一般化能力向上のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-09-12T11:29:35Z)
• Weakly Supervised Joint Whole-Slide Segmentation and Classification in Prostate Cancer [8.790852468118208]
  WholeSIGHTは、Whole-Slide画像の分類と分類を行う弱い教師付き手法である。 前立腺癌3例のWSIデータセットを用いてWholeSIGHTを評価した。
  論文  参考訳（メタデータ） (2023-01-07T20:38:36Z)
• PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
  医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。 本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
  論文  参考訳（メタデータ） (2022-07-24T07:45:47Z)
• Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based Action Recognition [88.34182299496074]
  アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。 我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。 時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
  論文  参考訳（メタデータ） (2022-07-17T07:05:39Z)
• PointNu-Net: Keypoint-assisted Convolutional Neural Network for Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification [23.466331358975044]
  ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。 本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:29:40Z)
• Exposing Semantic Segmentation Failures via Maximum Discrepancy Competition [102.75463782627791]
  オープンビジュアルの世界において,既存の意味セグメンテーション手法の失敗を露呈することで,質問に答える。 モデル改ざんに関するこれまでの研究に触発され、任意に大きい画像セットから始まり、2つのセグメンテーション方法間の差分法(MAD)をMAximizingすることによって、小さな画像セットを自動的にサンプリングします。 選択された画像は、2つの方法のいずれか(または両方)を偽造する最大の可能性を持っている。 また,MADコンペティションにおいて,障害の露呈が困難であるセグメンテーション法について検討した。
  論文  参考訳（メタデータ） (2021-02-27T16:06:25Z)
• Towards Robust Partially Supervised Multi-Structure Medical Image Segmentation on Small-Scale Data [123.03252888189546]
  データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。 マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。 本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
  論文  参考訳（メタデータ） (2020-11-28T16:31:00Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。