• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Workshop on 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：一种贝叶斯学习应用于组织微阵列分析的自动肿瘤分割

获取原文
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，以鉴定人类癌症中的新诊断和预后标志物。然而，开发了肿瘤检测标准自动化方法，用于TMA构造的常规组织化学图像。本文提出了一种基于MRF的贝叶斯学习系统，用于常规组织化学虚拟载玻片中的自动肿瘤细胞检测，以辅助TMA构造。实验结果表明，该方法能够平均实现80％的精度，通过基于像素的定量性能评估，可以将自动分割输出与手动标记的地面真实数据进行比较。本技术大大减少了对病理学家的劳动密集型工作负载，高度加快TMA结构的过程，并进一步探索全自动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