論文の概要: Automated Scoring of Nuclear Pleomorphism Spectrum with Pathologist-level Performance in Breast Cancer

• arxiv url: http://arxiv.org/abs/2012.04974v2
• Date: Thu, 24 Dec 2020 09:48:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 01:54:25.929273
• Title: Automated Scoring of Nuclear Pleomorphism Spectrum with Pathologist-level Performance in Breast Cancer
• Title（参考訳）: 乳癌における病理組織学的機能を有する核多形スペクトルの自動スコアリング
• Authors: Caner Mercan, Maschenka Balkenhol, Roberto Salgado, Mark Sherman, Philippe Vielh, Willem Vreuls, Antonio Polonia, Hugo M. Horlings, Wilko Weichert, Jodi M. Carter, Peter Bult, Matthias Christgen, Carsten Denkert, Koen van de Vijver, Jeroen van der Laak, Francesco Ciompi
• Abstract要約: 核多型は3段階の乳がんグレーディングの構成要素の1つである。 複数の病理学者の集合的知識から,広範囲の腫瘍領域で深部神経ネットワークを訓練した。 我々の完全自動化アプローチは、興味のある地域やスライド画像全体において、それぞれ10人と4人の病理医に比較して、最上位の病理医レベルのパフォーマンスを達成できる。
• 参考スコア（独自算出の注目度）: 4.246154274338892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nuclear pleomorphism, defined herein as the extent of abnormalities in the overall appearance of tumor nuclei, is one of the components of the three-tiered breast cancer grading. Given that nuclear pleomorphism reflects a continuous spectrum of variation, we trained a deep neural network on a large variety of tumor regions from the collective knowledge of several pathologists, without constraining the network to the traditional three-category classification. We also motivate an additional approach in which we discuss the additional benefit of normal epithelium as baseline, following the routine clinical practice where pathologists are trained to score nuclear pleomorphism in tumor, having the normal breast epithelium for comparison. In multiple experiments, our fully-automated approach could achieve top pathologist-level performance in select regions of interest as well as at whole slide images, compared to ten and four pathologists, respectively.
• Abstract（参考訳）: 腫瘍核の全体的な出現における異常の程度として定義されている核多型は、3段階の乳がんグレーディングの構成要素の1つである。 核多型が連続的な変化のスペクトルを反映していることを考えると,従来の3カテゴリ分類に制約を加えることなく,複数の病理医の集団的知識から,様々な腫瘍領域の深部ニューラルネットワークを訓練した。 また,病理医が腫瘍の核多型を判定し,正常な乳腺上皮を比較対象とする定期的な臨床経験から,正常な上皮のメリットをベースラインとして議論する新たなアプローチも提案する。 複数の実験において, 完全自動アプローチは, 興味のある地域やスライド画像全体において, それぞれ10例と4例と比較して, 最上位の病理医レベルのパフォーマンスを達成することができた。

関連論文リスト

• BraTS-Path Challenge: Assessing Heterogeneous Histopathologic Brain Tumor Sub-regions [29.940537460789688]
  グリオ芽腫は、最も一般的な成人脳腫瘍であり、グリム予後を呈する。 BraTS-Pathの課題は、組織的に準備された包括的なデータセットと、ディープラーニングモデルの開発と適切な比較を行うためのベンチマーク環境を提供することである。
  論文  参考訳（メタデータ） (2024-05-17T16:02:21Z)
• Spatio-spectral classification of hyperspectral images for brain cancer detection during surgical operations [0.0]
  脳腫瘍の手術は神経外科において大きな問題である。 手術中の腫瘍境界の同定は困難である。 本研究では,ハイパースペクトル画像の空間特性とスペクトル特性を考慮した新しい分類法の開発について述べる。
  論文  参考訳（メタデータ） (2024-02-11T12:58:42Z)
• 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)
• Evaluation of Multi-Scale Multiple Instance Learning to Improve Thyroid Cancer Classification [0.16060719742433224]
  甲状腺癌は女性で5番目に多い悪性腫瘍である。 癌サブタイプの分化は治療および治療において重要であり、癌型のコンピュータ支援による自動分化は重要である。 バッチベースの複数のインスタンス学習アプローチと、bag-of-wordsのような集約を組み合わせたアプローチは、一般的なアプローチである。 この研究の貢献は、3つの異なるパッチ解決の特徴ベクトルを生成し、組み合わせることで、パッチベースの最先端メソッドを拡張することである。
  論文  参考訳（メタデータ） (2022-04-22T21:48:56Z)
• Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
  本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。 本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
  論文  参考訳（メタデータ） (2021-08-08T11:26:34Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• 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)
• Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
  スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。 トレーニングモデルに複数のインスタンス学習スキームを利用する。 提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
  論文  参考訳（メタデータ） (2020-04-10T13:12:47Z)
• 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。