論文の概要: Applying a random projection algorithm to optimize machine learning model for predicting peritoneal metastasis in gastric cancer patients using CT images

• arxiv url: http://arxiv.org/abs/2009.00675v1
• Date: Tue, 1 Sep 2020 19:53:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 01:01:23.248229
• Title: Applying a random projection algorithm to optimize machine learning model for predicting peritoneal metastasis in gastric cancer patients using CT images
• Title（参考訳）: CT画像を用いた胃癌患者の腹膜転移予測のためのランダムプロジェクションアルゴリズムの適用
• Authors: Seyedehnafiseh Mirniaharikandehei (1), Morteza Heidari (1), Gopichandh Danala (1), Sivaramakrishnan Lakshmivarahan (2), Bin Zheng (1) ((1) School of Electrical and Computer Engineering, University of Oklahoma, Norman, OK, USA, (2) School of Computer Sciences, University of Oklahoma, Norman, OK, USA)
• Abstract要約: 手術前の癌転移のリスクを非侵襲的に予測することは、最適な治療方法を決定する上で重要な役割を担っている。 本研究では,小・不均衡の画像データセットを用いて最適な機械学習モデルを構築するための新しいアプローチについて検討する。
• 参考スコア（独自算出の注目度）: 0.3120960917423201
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background and Objective: Non-invasively predicting the risk of cancer metastasis before surgery plays an essential role in determining optimal treatment methods for cancer patients (including who can benefit from neoadjuvant chemotherapy). Although developing radiomics based machine learning (ML) models has attracted broad research interest for this purpose, it often faces a challenge of how to build a highly performed and robust ML model using small and imbalanced image datasets. Methods: In this study, we explore a new approach to build an optimal ML model. A retrospective dataset involving abdominal computed tomography (CT) images acquired from 159 patients diagnosed with gastric cancer is assembled. Among them, 121 cases have peritoneal metastasis (PM), while 38 cases do not have PM. A computer-aided detection (CAD) scheme is first applied to segment primary gastric tumor volumes and initially computes 315 image features. Then, two Gradient Boosting Machine (GBM) models embedded with two different feature dimensionality reduction methods, namely, the principal component analysis (PCA) and a random projection algorithm (RPA) and a synthetic minority oversampling technique, are built to predict the risk of the patients having PM. All GBM models are trained and tested using a leave-one-case-out cross-validation method. Results: Results show that the GBM embedded with RPA yielded a significantly higher prediction accuracy (71.2%) than using PCA (65.2%) (p<0.05). Conclusions: The study demonstrated that CT images of the primary gastric tumors contain discriminatory information to predict the risk of PM, and RPA is a promising method to generate optimal feature vector, improving the performance of ML models of medical images.
• Abstract（参考訳）: 背景と目的:手術前の癌転移のリスクを非侵襲的に予測することは、がん患者の最適な治療方法を決定する上で重要な役割を果たす。 放射能ベースの機械学習(ML)モデルの開発は、この目的のために幅広い研究の関心を集めているが、小型で不均衡な画像データセットを使用して高パフォーマンスで堅牢なMLモデルをどうやって構築するかという課題に直面していることが多い。 方法:本研究では,最適なMLモデルを構築するための新しいアプローチを検討する。 胃癌と診断された159例から得られた腹部CT画像を含む振り返りデータセットを作成した。 そのうち121例は腹膜転移(PM)、38例はPM(PM)である。 computer-aided detection (cad) スキームはまず胃原発腫瘍の分画量に応用され、315の画像特徴を最初に計算する。 次に、主成分分析(pca)とランダム投影アルゴリズム(rpa)と合成マイノリティオーバーサンプリング(synthetic minority oversamping)という2つの異なる特徴次元低減法を組み込んだ2つの勾配ブースティングマシン(gbm)モデルを構築し、pmを有する患者のリスクを予測する。 すべてのGBMモデルは、ケースアウトのクロスバリデーション手法を用いてトレーニングされ、テストされる。 結果: RPAに埋め込まれたGBMはPCA (65.2%) (p<0.05) よりも予測精度(71.2%)が有意に高かった。 結論: 原発性胃癌のCT画像はPMのリスクを予測するための識別情報を含んでおり, RPAは最適な特徴ベクトルを生成するための有望な方法であり, 医療画像のMLモデルの性能を向上させる。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images [1.1510009152620668]
  肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。 提案手法は既存の手法で解析した18.32%,27.20%,34.32%の精度で得られた。
  論文  参考訳（メタデータ） (2023-12-05T10:53:35Z)
• Developing a Novel Image Marker to Predict the Clinical Outcome of Neoadjuvant Chemotherapy (NACT) for Ovarian Cancer Patients [1.7623658472574557]
  ネオアジュバント化学療法(ネオアジュバントセラピー、Neoadjuvant chemotherapy, NACT)は、卵巣がんの進行期における治療法の一つ。 NACTに対する部分的反応は、近位部破裂手術を引き起こす可能性があり、予後不良を引き起こす。 我々は,NATの早期に高精度な予後予測を実現するために,新しい画像マーカーを開発した。
  論文  参考訳（メタデータ） (2023-09-13T16:59:50Z)
• Recurrence-free Survival Prediction under the Guidance of Automatic Gross Tumor Volume Segmentation for Head and Neck Cancers [8.598790229614071]
  自動原発性腫瘍 (GTVp) とリンパ節郭清法 (GTVn) を開発した。 腫瘍の分節体積から放射能の特徴を抽出し,RFS予測モデルを構築した。
  論文  参考訳（メタデータ） (2022-09-22T18:44:57Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• 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)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• Prognostic Power of Texture Based Morphological Operations in a Radiomics Study for Lung Cancer [0.0]
  この研究は、非小細胞肺癌(NSCLC)を患っている患者のオープンデータベース上で行われます。 腫瘍の特徴をCT画像から抽出し,PCAおよびKaplan-Meierサバイバル分析を用いて解析し,最も関連性の高いものを選択する。 1,589件の研究された特徴のうち、32件は患者の生存を予測するために関連している。
  論文  参考訳（メタデータ） (2020-12-23T13:38:19Z)
• Applying a random projection algorithm to optimize machine learning model for breast lesion classification [0.2970239953900422]
  悪性腫瘤を644例,良性病変を833例と確認した1,487例のマンモグラフィーを対象とする振り返りデータセットを構築した。 いくつかの特徴次元削減手法を組み込んだサポートベクターマシン(SVM)モデルを構築し,悪性病変の可能性を予測した。 SVMは、一視点マンモグラフィーに表される各セグメント化された質量領域の確率スコアを生成する。 2次元マンモグラムに表される同じ質量の2つのスコアを融合することにより、ケースベース確率スコアも評価する。
  論文  参考訳（メタデータ） (2020-09-09T21:27:27Z)

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。