BRÁZDIL, Tomáš, Matej GALLO, Rudolf NENUTIL, Andrej KUBANDA, Martin TOUFAR a Petr HOLUB. Automated annotations of epithelial cells and stroma in hematoxylin–eosin-stained whole-slide images using cytokeratin re-staining. The Journal of Pathology: Clinical Research. roč. 8, č. 2, s. 129-142. ISSN 2056-4538. doi:10.1002/cjp2.249. 2022.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Automated annotations of epithelial cells and stroma in hematoxylin–eosin-stained whole-slide images using cytokeratin re-staining
Autoři BRÁZDIL, Tomáš (203 Česká republika, domácí), Matej GALLO (703 Slovensko, domácí), Rudolf NENUTIL (203 Česká republika), Andrej KUBANDA (703 Slovensko, domácí), Martin TOUFAR (203 Česká republika) a Petr HOLUB (203 Česká republika, garant, domácí).
Vydání The Journal of Pathology: Clinical Research, 2022, 2056-4538.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
WWW Wiley Online
Impakt faktor Impact factor: 4.100
Kód RIV RIV/00216224:14330/22:00125032
Organizační jednotka Fakulta informatiky
Doi http://dx.doi.org/10.1002/cjp2.249
UT WoS 000712864400001
Klíčová slova anglicky U-Net; artificial intelligence; digital pathology; H&E; immunohistochemistry; deep learning; tissue registration
Štítky J-Q1
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnila: Mgr. Tereza Miškechová, učo 341652. Změněno: 10. 1. 2023 15:02.
Anotace
The diagnosis of solid tumors of epithelial origin (carcinomas) represents a major part of the workload in clinical histopathology. Distinguishing stroma from epithelium is a critical component of artificial intelligence (AI) methods developed to detect and analyze carcinomas. In this paper, we propose a novel automated workflow that enables large-scale guidance of AI methods to identify the epithelial component. The workflow is based on re-staining existing hematoxylin and eosin (H&E) formalin-fixed paraffin-embedded (FFPE) slides by immunohistochemistry for cytokeratins - cytoskeleton components specific to epithelial cells. We also demonstrate how the automatically generated masks can be used to train modern AI image segmentation based on U-Net, resulting in reliable detection of epithelial regions in previously unseen H&E slides.
Návaznosti
LM2018140, projekt VaVNázev: e-Infrastruktura CZ (Akronym: e-INFRA CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, e-Infrastruktura CZ
MUNI/A/1195/2021, interní kód MUNázev: Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
Investor: Masarykova univerzita, Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
90125, velká výzkumná infrastrukturaNázev: BBMRI-CZ III
VytisknoutZobrazeno: 20. 4. 2024 06:12