• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Machine learning in medical imaging >A Bayesian Learning Application to Automated Tumour Segmentation for Tissue Microarray Analysis
【24h】

A Bayesian Learning Application to Automated Tumour Segmentation for Tissue Microarray Analysis

机译：贝叶斯学习在组织结构自动分析中的应用

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Tissue microarray (TMA) is a high throughput analysis tool to identify new diagnostic and prognostic markers in human cancers. However, standard automated method in tumour detection on routine histochemical images for TMA construction is under developed. This paper presents a MRF based Bayesian learning system for automated tumour cell detection in routine histochemical virtual slides to assist TMA construction. The experimental results show that the proposed method is able to achieve 80% accuracy on average by pixel-based quantitative performance evaluation that compares the automated segmentation outputs with the manually marked ground truth data. The presented technique greatly reduces labor-intensive workloads for pathologists, highly speeds up the process of TMA construction and allows further exploration of fully automated TMA analysis.
机译：组织微阵列（TMA）是一种高通量分析工具，用于识别人类癌症中的新诊断和预后标志物。然而，用于常规TMA构建的常规组织化学图像上的肿瘤检测中的标准自动化方法正在开发中。本文介绍了一种基于MRF的贝叶斯学习系统，用于在常规组织化学虚拟载玻片中自动检测肿瘤细胞，以协助TMA构建。实验结果表明，所提出的方法通过基于像素的定量性能评估（将自动分段输出与手动标记的地面真实数据进行比较）平均可以达到80％的准确度。提出的技术极大地减少了病理学家的劳动密集型工作量，极大地加快了TMA建设的进程，并允许进一步探索全自动TMA分析。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号