論文の概要: Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net

• arxiv url: http://arxiv.org/abs/2005.11368v1
• Date: Fri, 22 May 2020 19:49:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 09:43:42.439317
• Title: Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net
• Title（参考訳）: 残存u-netを用いた意味セグメンテーションによる組織学前立腺画像のグリアソン評価
• Authors: Amartya Kalapahar, Julio Silva-Rodr\'iguez, Adri\'an Colomer, Fernando L\'opez-Mir and Valery Naranjo
• Abstract要約: 前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
• 参考スコア（独自算出の注目度）: 60.145440290349796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Worldwide, prostate cancer is one of the main cancers affecting men. The final diagnosis of prostate cancer is based on the visual detection of Gleason patterns in prostate biopsy by pathologists. Computer-aided-diagnosis systems allow to delineate and classify the cancerous patterns in the tissue via computer-vision algorithms in order to support the physicians' task. The methodological core of this work is a U-Net convolutional neural network for image segmentation modified with residual blocks able to segment cancerous tissue according to the full Gleason system. This model outperforms other well-known architectures, and reaches a pixel-level Cohen's quadratic Kappa of 0.52, at the level of previous image-level works in the literature, but providing also a detailed localisation of the patterns.
• Abstract（参考訳）: 前立腺がんは、男性に影響を及ぼす主要ながんの1つである。 前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、医師のタスクをサポートするために、コンピュータビジョンアルゴリズムを介して組織内のがんパターンを分類し分類することができる。 この研究の方法論的核心は、Gleasonシステムに従ってがん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。 このモデルは、他のよく知られたアーキテクチャよりも優れており、以前の文献における画像レベルの作業のレベルにおいて、ピクセルレベルのコーエンの二次kappa 0.52に達するが、パターンの詳細な局所化も提供する。

関連論文リスト

• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Weakly-Supervised Deep Learning Model for Prostate Cancer Diagnosis and Gleason Grading of Histopathology Images [2.547129771651519]
  本稿では,前立腺癌学級を分類する弱教師付きアルゴリズムを提案する。 提案アルゴリズムは, 組織像における識別領域の抽出, 画像の表現, 画像のグリーソングレードへの分類の3段階からなる。 その結果,Gleason grading タスクの精度,F1スコア,Cohen-Kappa の両面での最先端性能が得られた。
  論文  参考訳（メタデータ） (2022-12-25T03:07:52Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Prostate Gland Segmentation in Histology Images via Residual and Multi-Resolution U-Net [1.244681179922733]
  この研究は、U-Net畳み込みニューラルネットワークアーキテクチャに基づく前立腺のセグメンテーションであり、残留ブロックと多解像度ブロックで修正され、データ拡張技術を用いて訓練されている。 残差構成は、画像レベルの比較において、テストサブセットで以前の最先端アプローチよりも優れており、平均Dice Index は 0.77 に達する。
  論文  参考訳（メタデータ） (2021-05-21T20:11:36Z)
• Going Deeper through the Gleason Scoring Scale: An Automatic end-to-end System for Histology Prostate Grading and Cribriform Pattern Detection [7.929433631399375]
  本研究の目的は,前立腺生検の日常的分析において病理医を支援できるディープラーニングベースのシステムを開発することである。 この研究の方法論的コアは、がんパターンの存在を決定できる畳み込みニューラルネットワークに基づくパッチワイズ予測モデルである。
  論文  参考訳（メタデータ） (2021-05-21T17:51:53Z)
• WeGleNet: A Weakly-Supervised Convolutional Neural Network for the Semantic Segmentation of Gleason Grades in Prostate Histology Images [1.52819437883813]
  本研究では,前立腺組織における局所的ながんパターンを,訓練中のグローバルレベルGleasonスコアのみを用いて検出する深層学習システムを提案する。 検証コホートにおける癌パターンの画素レベルの予測のために,コーエンの2次カッパ(k)を0.67で取得した。 我々は、Gleasonグレードのセマンティックセグメンテーションのためのモデル性能を、テストコホートにおける教師付き最先端アーキテクチャと比較した。
  論文  参考訳（メタデータ） (2021-05-21T16:27:16Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
  我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。 当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
  論文  参考訳（メタデータ） (2021-04-05T13:15:22Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。