Name: Phân đoạn thực thể tế bào để định lượng tự động mức độ khuếch đại HER2 (Cell Instance Segmentation for Automated quantifcation of HER2 amplification levels)
Uploaded: 2025-11-04T07:47:46.000Z
Duration: 4 min 57 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

Hi this is video demo for automated quantification of HER2amplification levels using deep learning.

Chào mừng đến với bản demo video về định lượng tự động mức độ HER2amplification bằng deep learning.

HER2 assessment is necessary for patient selection in anti HER2 targeted treatment.

Đánh giá HER2 là cần thiết để lựa chọn bệnh nhân cho điều trị đích anti HER2.

Current manual assessment methods are time costly, labor intensive, highly subjective and error prone.

Các phương pháp đánh giá thủ công hiện tại tốn nhiều thời gian, công sức, mang tính chủ quan cao và dễ sai sót.

Visual challenges in fish and dish image interpretation such as unclear boundaries, shape variations and sparse labeling obstruct effective AI based analysis.

Những thách thức về hình ảnh trong diễn giải ảnh FISH và DISH như ranh giới không rõ ràng, biến thể hình dạng và nhãn thưa thớt cản trở phân tích hiệu quả dựa trên AI.

We present an automated cascade deep learning approach and a signal detection model for precise HER2 and CEN17 quantification, assisting HER2amplification assessment to support targeted therapy selection in breast and gastric cancers through jacket based soft sampling loss.

Chúng tôi giới thiệu một phương pháp cascade deep learning tự động và một signal detection model để định lượng chính xác HER2 và CEN17, hỗ trợ đánh giá HER2amplification để lựa chọn targeted therapy trong breast cancer và gastric cancers thông qua soft sa

Our model overcomes issues of overlapping cells, blurred boundaries and sparse labeling, ensuring balanced handling of complex cases and background noise which significantly boosts segmentation accuracy and model robustness.

Mô hình của chúng tôi khắc phục các vấn đề về tế bào chồng lấn, ranh giới mờ và nhãn thưa thớt, đảm bảo xử lý cân bằng các trường hợp phức tạp và nhiễu nền, giúp tăng đáng kể segmentation accuracy và model robustness.

We evaluated the proposed model with three clinical datasets of two different kinds of cancer.

Chúng tôi đã đánh giá mô hình đề xuất trên ba clinical datasets của hai loại cancer khác nhau.

The data includes two clinical breast cancer datasets with 200 fish images and 210 dish images, each annotated by experienced pathologists as the reference standard.

Dữ liệu bao gồm hai clinical datasets breast cancer với 200 ảnh FISH và 210 ảnh DISH, mỗi ảnh được chú thích bởi các pathologists có kinh nghiệm làm reference standard.

Additionally, 45 dish images from gastric cancer cases are included.

Ngoài ra, còn có 45 ảnh DISH từ các trường hợp gastric cancers.

Detailed information is provided in Table I.

Thông tin chi tiết được cung cấp trong Bảng I.

This is main architecture of the proposed method.

Đây là kiến trúc chính của phương pháp đề xuất.

A the FBN module with orange background color shows two concepts of top down sampling and skip connection to extract the intermediate convolutional feature Zeta using ResNext T50 as the backbone network.

Module FBN với nền màu cam thể hiện hai khái niệm lấy mẫu từ trên xuống và kết nối bỏ qua để trích xuất đặc trưng tích chập trung gian Zeta bằng ResNext T50 làm mạng nền.

Then the features zeta are transferred into the RPN module to generate the bounding box prediction B1T and then moved into the B detection branch part with the green background color to generate the final bounding box result B B 1.

Sau đó, các đặc trưng zeta được chuyển vào module RPN để tạo dự đoán hộp giới hạn B1T và sau đó chuyển vào phần nhánh phát hiện B với nền màu xanh lá để tạo kết quả hộp giới hạn cuối cùng B B 1.

R proposed soft sampling weighted loss function generates the new bounding box feature regression equations C Segmentation branch area with blue background color aims to pass the final prediction bounding boxes B the asterisk into the segmentation branch to generate the final prediction masks M D Instance segmentation results by the proposed method.

Hàm mất mát lấy mẫu mềm có trọng số R đề xuất tạo ra các phương trình hồi quy đặc trưng hộp giới hạn mới. Khu vực nhánh phân đoạn C với nền màu xanh lam nhằm mục đích chuyển các hộp giới hạn dự đoán cuối cùng B dấu sao vào nhánh phân đoạn để tạo ra mặt nạ

FISH and dish technology allows for the simultaneous evaluation of the presence and localization of CEN17 and HER2 within cells determining HER2 gene amplification based on signal intensity and ratios.

Công nghệ FISH và DISH cho phép đánh giá đồng thời sự hiện diện và định vị của CEN17 và HER2 trong tế bào, xác định HER2 amplification dựa trên cường độ tín hiệu và tỷ lệ.

Color deconvolution is utilized to achieve color separation, allowing isolation and examination of specific components or features within an image for further analysis and interpretation.

Color deconvolution được sử dụng để tách màu, cho phép cô lập và kiểm tra các thành phần hoặc đặc điểm cụ thể trong ảnh để phân tích và diễn giải thêm.

A Raw FISH image sample B CN17 signal detection results highlighted in green using equation 31.

A Ảnh FISH thô mẫu B Kết quả phát hiện tín hiệu CN17 được làm nổi bật màu xanh lá bằng phương trình 31.

C results of signal detection of HER2 and partial CEN17 highlighted in yellow using equation 32.

C Kết quả phát hiện tín hiệu HER2 và một phần CEN17 được làm nổi bật màu vàng bằng phương trình 32.

D detection results of CEN17, HER2 and HER2 related cells by the proposed method highl highlighted in green, red and blue respectively.

D Kết quả phát hiện CEN17, HER2 và các tế bào liên quan đến HER2 bằng phương pháp đề xuất được làm nổi bật lần lượt bằng màu xanh lá, đỏ và xanh lam.

B HER2 signal detection results highlighted in blue using equation 33C results of signal detection of CN17 and partial HER2 highlighted in pink using equation 33D detection results of HER2, CN17 and HER2 related cells by the proposed method highlighted in blue, pink and green, respectively.

B Kết quả phát hiện tín hiệu HER2 được làm nổi bật màu xanh lam bằng phương trình 33C Kết quả phát hiện tín hiệu CN17 và một phần HER2 được làm nổi bật màu hồng bằng phương trình 33D Kết quả phát hiện HER2, CN17 và các tế bào liên quan đến HER2 bằng phươn

Quantitative results the proposed cell instance segmentation model outperforms 10 baseline models in F1 score on the FISH breast cancer dataset and seven baseline models in F1 score on THE DISH breast cancer dataset while also showing promising predictive results on the DISH stomach cancer dataset.

Kết quả định lượng mô hình phân đoạn thể hiện tế bào được đề xuất vượt trội hơn 10 mô hình cơ sở về điểm F1 trên tập dữ liệu ung thư vú FISH và bảy mô hình cơ sở về điểm F1 trên tập dữ liệu ung thư vú DISH, đồng thời cũng cho thấy kết quả dự đoán đầy hứa 

Qualitative results Figure compares the segmentation outcomes of the proposed method with the benchmark approaches for HER2 related cells segmentation on FISH fluorescent microscope breast data.

Kết quả định tính Hình so sánh kết quả phân đoạn của phương pháp đề xuất với các phương pháp đánh dấu để phân đoạn các tế bào liên quan đến HER2 trên dữ liệu ung thư vú hiển vi huỳnh quang FISH.

Overall, the results show that there is a solid consistency between the instant segmentation results by the proposed method and the reference standard generated by the experienced pathologists.

Nhìn chung, kết quả cho thấy có sự nhất quán vững chắc giữa kết quả phân đoạn tức thời của phương pháp đề xuất và tiêu chuẩn tham chiếu do các nhà bệnh học có kinh nghiệm tạo ra.

Results of the proposed method and reference standard on FISH fluorescent microscope breast data Figure provides a visual comparison of the results by the proposed method and the benchmark approaches for HER two related cell segmentation on dish light microscope breast data showing that the proposed method produces comparably promising results.

Kết quả của phương pháp đề xuất và tiêu chuẩn tham chiếu trên dữ liệu ung thư vú hiển vi huỳnh quang FISH Hình cung cấp một so sánh trực quan về kết quả của phương pháp đề xuất và các phương pháp đánh dấu để phân đoạn tế bào liên quan đến HER2 trên dữ liệ

Results on Dish light microscope breast data Results on dish lite microscope stomach data thank you for your attention.

Kết quả trên dữ liệu ung thư vú hiển vi quang học DISH Kết quả trên dữ liệu ung thư dạ dày hiển vi quang học DISH cảm ơn bạn đã chú ý.

Phân đoạn thực thể tế bào để định lượng tự động mức độ khuếch đại HER2 (Cell Instance Segmentation for Automated quantifcation of HER2 amplification levels)

Subtitles ListPlay Video

Phân đoạn thực thể tế bào để định lượng tự động mức độ khuếch đại HER2 (Cell Instance Segmentation for Automated quantifcation of HER2 amplification levels)

figure

determine

experience

prone