Fugu-MT 論文翻訳(概要): Microscope Based HER2 Scoring System

論文の概要: Microscope Based HER2 Scoring System

arxiv url: http://arxiv.org/abs/2009.06816v1
Date: Tue, 15 Sep 2020 01:44:39 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 06:57:58.675038
Title: Microscope Based HER2 Scoring System
Title（参考訳）: 顕微鏡によるHER2スコーリングシステム
Authors: Jun Zhang, Kuan Tian, Pei Dong, Haocheng Shen, Kezhou Yan, Jianhua Yao, Junzhou Huang, Xiao Han
Abstract要約: 完全診断のためのHER2スコアリングガイドラインに従うリアルタイムHER2スコアリングシステムを提案する。従来の全スライディング画像に基づくスコアリングシステムとは異なり、我々のHER2スコアリングシステムは拡張現実顕微鏡に統合されている。
参考スコア（独自算出の注目度）: 37.747953235497256
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The overexpression of human epidermal growth factor receptor 2 (HER2) has been established as a therapeutic target in multiple types of cancers, such as breast and gastric cancers. Immunohistochemistry (IHC) is employed as a basic HER2 test to identify the HER2-positive, borderline, and HER2-negative patients. However, the reliability and accuracy of HER2 scoring are affected by many factors, such as pathologists' experience. Recently, artificial intelligence (AI) has been used in various disease diagnosis to improve diagnostic accuracy and reliability, but the interpretation of diagnosis results is still an open problem. In this paper, we propose a real-time HER2 scoring system, which follows the HER2 scoring guidelines to complete the diagnosis, and thus each step is explainable. Unlike the previous scoring systems based on whole-slide imaging, our HER2 scoring system is integrated into an augmented reality (AR) microscope that can feedback AI results to the pathologists while reading the slide. The pathologists can help select informative fields of view (FOVs), avoiding the confounding regions, such as DCIS. Importantly, we illustrate the intermediate results with membrane staining condition and cell classification results, making it possible to evaluate the reliability of the diagnostic results. Also, we support the interactive modification of selecting regions-of-interest, making our system more flexible in clinical practice. The collaboration of AI and pathologists can significantly improve the robustness of our system. We evaluate our system with 285 breast IHC HER2 slides, and the classification accuracy of 95\% shows the effectiveness of our HER2 scoring system.
Abstract（参考訳）: ヒト上皮成長因子受容体2(HER2)の過剰発現は、乳癌や胃癌などの複数の種類のがんの治療標的として確立されている。免疫組織化学(IHC)は、HER2陽性、境界線、およびHER2陰性患者を特定するための基礎的HER2試験として用いられる。しかし、her2スコアリングの信頼性と精度は、病理医の経験など多くの要因に影響されている。近年,診断精度と信頼性を向上させるために人工知能(AI)が用いられているが,診断結果の解釈は未解決の問題である。本稿では,HER2スコアリングガイドラインに従って診断を完了するリアルタイムHER2スコアリングシステムを提案する。これまでのスコアシステムとは異なり、HER2スコアシステムは拡張現実(AR)顕微鏡に統合されており、スライドを読みながらAI結果を病理医にフィードバックすることができる。病理学者はfov(informative fields of view)を選択し、dcisのような結合領域を避けることができる。ここでは, 膜染色条件と細胞分類結果の中間結果について概説し, 診断結果の信頼性を評価することを可能とする。また,関心領域の選択のインタラクティブな修正もサポートし,臨床実践においてシステムをより柔軟にする。 AIと病理学者の協力は、システムの堅牢性を大幅に改善する。 285個の胸部IHC HER2スライスを用いて本システムの評価を行い,95 %の分類精度で本システムの有効性を示した。

関連論文リスト

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)
Addressing Uncertainty in Imbalanced Histopathology Image Classification of HER2 Breast Cancer: An interpretable Ensemble Approach with Threshold Filtered Single Instance Evaluation (SIE) [0.0]
早期診断は、患者が効率的な治療決定を行うのを助けることで死亡率を軽減することができる。 HER2は乳癌の最も致命的な亜型である。 DenseNet201とXceptionは単一の分類器にまとめられた。
論文参考訳（メタデータ） (2023-08-01T19:44:31Z)
Interpretable HER2 scoring by evaluating clinical Guidelines through a weakly supervised, constrained Deep Learning Approach [0.0]
本稿では病理学者によるHER2スコアの解釈可能性に焦点を当てる。臨床HER2ガイドラインを直接評価する半自動2段階深層学習手法を提案する。本研究は,F1スコアで0.78の成績を得られた。
論文参考訳（メタデータ） (2022-11-17T14:28:35Z)
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)
SpineNetV2: Automated Detection, Labelling and Radiological Grading Of Clinical MR Scans [70.04389979779195]
SpineNetV2は、臨床脊髄磁気共鳴(MR)スキャンで脊椎を検知し、ラベル付けする自動化ツールである。また、T2強調スキャンで腰椎椎間板のX線学的グレーディングを行い、様々な一般的な変性変化を観察する。
論文参考訳（メタデータ） (2022-05-03T15:05:58Z)
Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文参考訳（メタデータ） (2022-02-17T08:33:52Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)
Automated Scoring System of HER2 in Pathological Images under the Microscope [3.689994643251581]
本稿では,HER2スコアリングガイドラインに厳格に従うHER2自動スコアリングシステムを提案する。提案システムは、当社のTorough Eyeプラットフォームに組み込み、病院に配備する。
論文参考訳（メタデータ） (2021-10-21T01:38:35Z)
Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文参考訳（メタデータ） (2020-08-05T08:49:20Z)
An interpretable automated detection system for FISH-based HER2 oncogene amplification testing in histo-pathological routine images of breast and gastric cancer diagnostics [0.2479153065703935]
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。
論文参考訳（メタデータ） (2020-05-25T12:14:38Z)

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。