論文の概要: An interpretable automated detection system for FISH-based HER2 oncogene
amplification testing in histo-pathological routine images of breast and
gastric cancer diagnostics
- arxiv url: http://arxiv.org/abs/2005.12066v1
- Date: Mon, 25 May 2020 12:14:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 06:21:53.011777
- Title: An interpretable automated detection system for FISH-based HER2 oncogene
amplification testing in histo-pathological routine images of breast and
gastric cancer diagnostics
- Title（参考訳）: 乳癌および胃癌の病理組織像におけるFISH-based HER2 oncogene amplification testの解釈可能な自動検出システム
- Authors: Sarah Schmell and Falk Zakrzewski and Walter de Back and Martin
Weigert and Uwe Schmidt and Torsten Wenke and Silke Zeugner and Robert Mantey
and Christian Sperling and Ingo Roeder and Pia Hoenscheid and Daniela Aust
and Gustavo Baretton
- Abstract要約: 本研究では,HER2遺伝子増幅試験におけるFISH画像の評価を自動化する,解釈可能な深層学習パイプラインを開発した。
病理学的評価を模倣し、インスタンスセグメンテーションネットワークに基づく相間核の検出と局在に依存している。
画像分類と物体検出畳み込みニューラルネットワーク(CNN)の助けを借りて、各核内の蛍光信号の局在と分類を行う。
- 参考スコア（独自算出の注目度）: 0.2479153065703935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Histo-pathological diagnostics are an inherent part of the everyday work but
are particularly laborious and associated with time-consuming manual analysis
of image data. In order to cope with the increasing diagnostic case numbers due
to the current growth and demographic change of the global population and the
progress in personalized medicine, pathologists ask for assistance. Profiting
from digital pathology and the use of artificial intelligence, individual
solutions can be offered (e.g. detect labeled cancer tissue sections). The
testing of the human epidermal growth factor receptor 2 (HER2) oncogene
amplification status via fluorescence in situ hybridization (FISH) is
recommended for breast and gastric cancer diagnostics and is regularly
performed at clinics. Here, we develop an interpretable, deep learning
(DL)-based pipeline which automates the evaluation of FISH images with respect
to HER2 gene amplification testing. It mimics the pathological assessment and
relies on the detection and localization of interphase nuclei based on instance
segmentation networks. Furthermore, it localizes and classifies fluorescence
signals within each nucleus with the help of image classification and object
detection convolutional neural networks (CNNs). Finally, the pipeline
classifies the whole image regarding its HER2 amplification status. The
visualization of pixels on which the networks' decision occurs, complements an
essential part to enable interpretability by pathologists.
- Abstract（参考訳）: 病理診断は日常の作業の本質的な部分であるが、特に手間がかかり、画像データの手動解析に時間を要する。
現在の人口増加と人口動態の変化とパーソナライズされた医療の進歩により、診断症例数の増加に対応するため、病理学者は支援を求める。
デジタル病理学と人工知能の使用により、個々のソリューションを提供することができる(例えば、ラベル付きがん組織セクションを検出する)。
ヒト上皮成長因子受容体2(HER2)の蛍光 in situ hybridization(FISH)による遺伝子増幅状態の検査は、乳癌や胃癌の診断に推奨され、クリニックで定期的に行われている。
本稿では,HER2遺伝子増幅試験におけるFISH画像の評価を自動化する,解釈可能な深層学習パイプラインを開発する。
病理学的評価を模倣し、インスタンスセグメンテーションネットワークに基づく相間核の検出と局在に依存する。
さらに、画像分類と物体検出畳み込みニューラルネットワーク(cnns)の助けを借りて、各核内の蛍光信号を局在化し分類する。
最後に、パイプラインはHER2増幅状態に関する全体像を分類する。
ネットワークが決定を下すピクセルの可視化は、病理学者による解釈を可能にする重要な部分を補完する。
関連論文リスト
- Ophthalmic Biomarker Detection with Parallel Prediction of Transformer and Convolutional Architecture [1.6893691730575022]
本稿では,CNNとVision Transformerのアンサンブルを用いた眼科バイオマーカー検出手法を提案する。
本手法はOCT画像から6つのバイオマーカーを検出するためにOLIVESデータセット上に実装され,データセット上でのマクロ平均F1スコアの大幅な改善を示す。
論文 参考訳（メタデータ） (2024-09-26T12:33:34Z) - Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling [3.711848341917877]
IHC-stained BC 組織像のHER2状態の自動分類にピラミッドサンプリングを用いた深層学習に基づくアプローチを提案する。
本手法は, 様々な空間スケールで形態的特徴を分析し, 計算負荷を効率的に管理し, 細胞レベルでの組織レベルでの詳細な検討を容易にする。
論文 参考訳（メタデータ） (2024-04-01T00:23:22Z) - Deep learning-based instance segmentation for the precise automated
quantification of digital breast cancer immunohistochemistry images [1.8434042562191815]
深層学習に基づくインスタンスセグメンテーションアーキテクチャを用いて,IHCスライスに適用した核バイオマーカーと膜バイオマーカーの自動定量化の実現可能性を示した。
HE, ER, Ki-67 (核バイオマーカー) およびHER2 (膜バイオマーカー) IHC-stained image を用いてアノテーションを収集した。
我々は、2つのモデル(いわゆる核・膜認識セグメンテーションモデル)を訓練した。
論文 参考訳（メタデータ） (2023-11-22T22:23:47Z) - 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) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳（メタデータ） (2022-03-23T00:58:27Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Exploiting generative self-supervised learning for the assessment of
biological images with lack of annotations: a COVID-19 case-study [0.41998444721319217]
GAN-DLはStyleGAN2アーキテクチャに基づく差別化学習機である。
本手法は, 分類作業だけでなく, 線量応答曲線の導出にも有効であることを示す。
論文 参考訳（メタデータ） (2021-07-16T08:36:34Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。