Cette page résume et organise les publications en intelligence artificielle du monde entier. Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif. Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.
Segmentation tissulaire histopathologique basée sur l'unité via une représentation de caractéristiques à plusieurs niveaux
작성자
Haebom
Auteur
Ashkan Shakarami, Azade Farshad, Yousef Yeganeh, Lorenzo Nicole, Peter Schuffler, Stefano Ghidoni, Nassir Navab
Contour
UTS est un outil de segmentation tissulaire basé sur des unités pour l'histopathologie. Il segmente des tuiles de taille fixe 32*32 plutôt que des pixels individuels. Cette approche réduit l'effort d'annotation et améliore l'efficacité de calcul sans compromettre la précision. Nous introduisons un transformateur de vision multiniveau (L-ViT) qui capture à la fois la morphologie fine et le contexte tissulaire global grâce à des représentations de caractéristiques multiniveaux. Adapté à la segmentation du tissu mammaire en trois catégories : tumeur infiltrante, stroma non néoplasique et graisse, UTS prend en charge des tâches cliniquement pertinentes telles que la quantification tumeur-stroma et l'évaluation des marges chirurgicales. Évalué à l'aide de 386 371 tuiles provenant de 459 régions colorées à l'hématoxyline et à l'érythropoïèse, il surpasse les variantes U-Net et les modèles de base basés sur Transformer. Le code et l'ensemble de données seront disponibles sur GitHub.
Takeaways, Limitations_
•
Takeaways:
◦
Un partitionnement efficace de l'organisation est possible en réduisant le travail d'annotation et en améliorant l'efficacité du calcul.
◦
Considérant à la fois la forme microscopique et le contexte tissulaire global à l'aide du Multi-Level Vision Transformer (L-ViT).
◦
Les applications cliniques comprennent la quantification du stroma tumoral et l’évaluation des marges chirurgicales par segmentation du tissu mammaire.
◦
Performances supérieures par rapport aux modèles U-Net et à transformateur existants.
•
Limitations:
◦
Actuellement, seule la segmentation de trois catégories de tissus mammaires est prise en charge. Des recherches supplémentaires sont nécessaires pour d'autres types de tissus ou une segmentation plus détaillée.
◦
Prévu pour être publié sur GitHub, mais le code et l'ensemble de données ne sont pas encore accessibles.
◦
Perte potentielle d'informations due à l'utilisation de tuiles de taille fixe 32x32.
