論文の概要: GanglionNet: Objectively Assess the Density and Distribution of Ganglion
Cells With NABLA-N Network
- arxiv url: http://arxiv.org/abs/2007.02367v1
- Date: Sun, 5 Jul 2020 15:46:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 08:39:25.242332
- Title: GanglionNet: Objectively Assess the Density and Distribution of Ganglion
Cells With NABLA-N Network
- Title（参考訳）: GanglionNet:NABLA-Nネットワークによるガングリオン細胞の密度と分布の客観的評価
- Authors: Md Zahangir Alom (Member, IEEE), Raj P. Kapur, TJ Browen, and Vijayan
K. Asari (Senior Member, IEEE)
- Abstract要約: 我々は,ガングリオンネット(GangglionNet)と呼ばれる新たなNABLA_Nネットワークを用いた深層学習(DL)アプローチを用いて,免疫染色ガングリオン細胞を検出・カウントする自動化手法を提案する。
ガングリオンネットは2560x1920ピクセルの完全に新しいHPF(High Power Field)画像でテストされ、その出力は専門家の病理学者による手動計数結果と比較される。
提案手法はガングリオンネットの強靭性を示す専門病理医の計数と比較すると, ガングリオン細胞に対するロバスト97.49%の検出精度を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hirschsprungs disease (HD) is a birth defect which is diagnosed and managed
by multiple medical specialties such as pediatric gastroenterology, surgery,
radiology, and pathology. HD is characterized by absence of ganglion cells in
the distal intestinal tract with a gradual normalization of ganglion cell
numbers in adjacent upstream bowel, termed as the transition zone (TZ).
Definitive surgical management to remove the abnormal bowel requires accurate
assessment of ganglion cell density in histological sections from the TZ, which
is difficult, time-consuming and prone to operator error. We present an
automated method to detect and count immunostained ganglion cells using a new
NABLA_N network based deep learning (DL) approach, called GanglionNet. The
morphological image analysis methods are applied for refinement of the regions
for counting of the cells and define ganglia regions (a set of ganglion cells)
from the predicted masks. The proposed model is trained with single point
annotated samples by the expert pathologist. The GanglionNet is tested on ten
completely new High Power Field (HPF) images with dimension of 2560x1920 pixels
and the outputs are compared against the manual counting results by the expert
pathologist. The proposed method shows a robust 97.49% detection accuracy for
ganglion cells, when compared to counts by the expert pathologist, which
demonstrates the robustness of GanglionNet. The proposed DL based ganglion cell
detection and counting method will simplify and standardize TZ diagnosis for HD
patients.
- Abstract（参考訳）: ヒルシュスプルングス病(Hirschsprungs disease、HD)は、小児胃腸科、外科、放射線学、病理学などの複数の専門医が診断し、管理する出生欠陥である。
HDは腹腔内ガングリオン細胞が欠如しており、隣接する上流腸ではガングリオン細胞数が徐々に正規化され、移行帯(transition zone, TZ)と呼ばれる。
異常腸を除去するための決定的な外科的治療には、tzから神経節細胞密度の正確な評価が必要である。
本稿では、新しいnabla_n network based deep learning (dl)アプローチであるganglionnetを用いて、免疫染色されたガングリオン細胞を検出・計数する自動化手法を提案する。
形態画像解析法は、細胞数をカウントする領域の精製に応用され、予測されたマスクからガングリア領域(ガングリオン細胞群)を定義する。
提案モデルは,専門家病理学者による単一点注記サンプルを用いて訓練される。
ガングリオンネットは2560x1920ピクセルの完全に新しいHPF(High Power Field)画像でテストされ、その出力は専門家の病理学者による手動計数結果と比較される。
提案手法はガングリオンネットの強靭性を示す専門病理医の計数と比較すると, 神経節細胞のロバスト97.49%の検出精度を示す。
提案したDLを用いたガングリオン細胞検出法は,HD患者のTZ診断を簡素化し,標準化する。
関連論文リスト
- Diagnosis of Malignant Lymphoma Cancer Using Hybrid Optimized Techniques Based on Dense Neural Networks [0.0]
本研究では,特徴抽出のためのDenseNet201と分類のためのニューラルネットワーク(DNN)を組み合わせた新しいハイブリッドディープラーニングフレームワークを提案する。
提案手法は99.33%の精度を達成し,精度とモデル解釈性の両方を著しく改善した。
論文 参考訳（メタデータ） (2024-10-09T15:12:35Z) - SDF-Net: A Hybrid Detection Network for Mediastinal Lymph Node Detection on Contrast CT Images [38.69240497671607]
リンパ節を効果的に検出するSwing-Det Fusion Network (SDF-Net)を提案する。
SDF-Netはセグメンテーションと検出の両方の機能を統合し、さまざまな形状と大きさのリンパ節の検出能力を向上する。
論文 参考訳（メタデータ） (2024-09-10T08:27:44Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳（メタデータ） (2023-03-23T18:50:18Z) - 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) - Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。
また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文 参考訳（メタデータ） (2022-07-02T11:50:02Z) - A Gradient Mapping Guided Explainable Deep Neural Network for
Extracapsular Extension Identification in 3D Head and Neck Cancer Computed
Tomography Images [7.450250213710868]
頭頸部扁平上皮癌の生存予後の予測因子として,毛細管拡張術が有用である。
現在のECE検出は、放射線技師による視覚的同定と病理診断に依存している。
注釈付きリンパ節領域情報を必要とせず,自動的にECE識別を行うためのGMGENet(Gradient Mapping Guided Explainable Network)フレームワークを提案する。
論文 参考訳（メタデータ） (2022-01-03T22:29:57Z) - 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) - An Attention-based Weakly Supervised framework for Spitzoid Melanocytic
Lesion Diagnosis in WSI [1.0948946179065253]
メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。
診断と予後のための金の基準は、皮膚生検の分析である。
改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。
本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
論文 参考訳（メタデータ） (2021-04-20T10:18:57Z) - Mediastinal lymph nodes segmentation using 3D convolutional neural
network ensembles and anatomical priors guiding [0.0]
拡大および潜在的悪性リンパ節の存在を評価し、疾患の進行を適切に推定し、最良の治療戦略を選択する必要があります。
3D畳み込みニューラルネットワークの使用について,スラブ方式や全ボリュームのダウンサンプリングを利用する方法を検討した。
短軸直径$geq10$ mmの1178リンパ節では、私たちの最高のパフォーマンスアプローチは92%の患者ワイズリコール、5の患者ごとの偽陽性比と80.5%の分割重複に達しました。
論文 参考訳（メタデータ） (2021-02-11T14:51:34Z) - Gleason Grading of Histology Prostate Images through Semantic
Segmentation via Residual U-Net [60.145440290349796]
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。
論文 参考訳（メタデータ） (2020-05-22T19:49:10Z) - Segmentation for Classification of Screening Pancreatic Neuroendocrine
Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。
我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。
我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文 参考訳（メタデータ） (2020-04-04T21:21:44Z)
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。