論文の概要: Machine learning approach for biopsy-based identification of
eosinophilic esophagitis reveals importance of global features
- arxiv url: http://arxiv.org/abs/2101.04989v1
- Date: Wed, 13 Jan 2021 10:38:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 08:01:23.860448
- Title: Machine learning approach for biopsy-based identification of
eosinophilic esophagitis reveals importance of global features
- Title（参考訳）: 好酸球性食道炎の生検に基づく機械学習による同定と世界的特徴の重要性
- Authors: Tomer Czyzewski, Nati Daniel, Mark Rochman, Julie M. Caldwell, Garrett
A. Osswald, Margaret H. Collins, Marc E. Rothenberg, and Yonatan Savir
- Abstract要約: 好酸球性食道炎(英: eosinophilic esophagitis, eoe)は食道粘膜に好酸球が蓄積するアレルギー疾患である。
このプロセスの自動化における大きな課題の1つは、生検の規模に対して小さい特徴を検出することである。
我々は、食道生検を85%の精度で分類できるディープ畳み込みニューラルネットワーク(DCNN)に基づくプラットフォームを開発しました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Goal: Eosinophilic esophagitis (EoE) is an allergic inflammatory condition
characterized by eosinophil accumulation in the esophageal mucosa. EoE
diagnosis includes a manual assessment of eosinophil levels in mucosal biopsies
- a time-consuming, laborious task that is difficult to standardize. One of the
main challenges in automating this process, like many other biopsy-based
diagnostics, is detecting features that are small relative to the size of the
biopsy. Results: In this work, we utilized hematoxylin- and eosin-stained
slides from esophageal biopsies from patients with active EoE and control
subjects to develop a platform based on a deep convolutional neural network
(DCNN) that can classify esophageal biopsies with an accuracy of 85%,
sensitivity of 82.5%, and specificity of 87%. Moreover, by combining several
downscaling and cropping strategies, we show that some of the features
contributing to the correct classification are global rather than specific,
local features. Conclusions: We report the ability of artificial intelligence
to identify EoE using computer vision analysis of esophageal biopsy slides.
Further, the DCNN features associated with EoE are based on not only local
eosinophils but also global histologic changes. Our approach can be used for
other conditions that rely on biopsy-based histologic diagnostics.
- Abstract（参考訳）: ゴール:好酸球性食道炎(EoE)は食道粘膜に好酸球の蓄積を特徴とするアレルギー性炎症性疾患である。
eoe診断には、粘膜生検における好酸球レベルを手動で評価することが含まれる。
このプロセスの自動化における大きな課題の1つは、他の多くの生検ベースの診断と同様に、生検のサイズに対して小さい特徴を検出することである。
結果: 本研究では, 活性型EoE患者の食道生検からヘマトキシリンおよびエオシン含有スライドを用いて, 85%の精度, 82.5%の感度, 87%の感度で食道生検を分類できるディープ畳み込みニューラルネットワーク(DCNN)に基づくプラットフォームを開発した。
さらに,いくつかのダウンスケーリング戦略とクロッピング戦略を組み合わせることで,適切な分類に寄与するいくつかの機能は,特定の局所的特徴よりもグローバルであることを示す。
結論: 食道生検スライドのコンピュータビジョン解析を用いて, 人工知能によるEoEの同定能力について報告する。
さらに、EoEに関連するDCNNの特徴は、局所好酸球だけでなく、グローバルな組織学的変化にも基づいている。
本手法は生検による組織診断に依存する他の病態にも応用できる。
関連論文リスト
- Cross-organ Deployment of EOS Detection AI without Retraining: Feasibility and Limitation [6.200516824977507]
慢性鼻副鼻腔炎(CRS)は副鼻腔の炎症が持続していることが特徴である。
粘膜免疫応答において重要な要素であるEosは、CRSの重症度と関係している。
好酸球性CRSの診断は、典型的にはHPF当たり10-20 eosの閾値を用いる。
論文 参考訳（メタデータ） (2024-11-24T18:01:13Z) - Efficient Quality Control of Whole Slide Pathology Images with Human-in-the-loop Training [3.2646075700744928]
Histo whole slide image (WSI) は、特に精度オンコロジーにおいて、ディープラーニングに基づく診断ソリューションの開発に広く利用されている。
これらの診断ソフトウェアのほとんどは、トレーニングやテストデータにおけるバイアスや不純物に弱いため、不正確な診断につながる可能性がある。
我々は、WSIを6つの組織領域に分離する、頑健だが軽量なディープラーニングベースの分類器であるHistoROIを紹介した。
論文 参考訳（メタデータ） (2024-09-29T07:08:45Z) - BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。
本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
論文 参考訳（メタデータ） (2023-05-26T17:14:43Z) - CoNIC Challenge: Pushing the Frontiers of Nuclear Detection,
Segmentation, Classification and Counting [46.45578907156356]
我々は、核分裂と細胞組成を評価するために、その種の最大の利用可能なデータセットを用いて、コミュニティ全体の課題をセットアップする。
大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な組織解析を行った。
腫瘍微小環境において,核および好酸球が重要な役割を担っていることが示唆された。
論文 参考訳（メタデータ） (2023-03-11T01:21:13Z) - Harnessing Artificial Intelligence to Infer Novel Spatial Biomarkers for
the Diagnosis of Eosinophilic Esophagitis [0.0]
好酸球性食道炎 (EoE) は食道過敏症に合併した慢性アレルギー性食道炎の1例である。
食道生検では食道好酸球の密度を計る必要がある。
そこで我々は,無傷好酸球のセマンティックセグメンテーションと基底領域分布に基づいてバイオマーカーを推論する人工知能プラットフォームを開発した。
論文 参考訳（メタデータ） (2022-05-26T18:59:47Z) - 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) - PECNet: A Deep Multi-Label Segmentation Network for Eosinophilic
Esophagitis Biopsy Diagnostics [0.0]
好酸球性食道炎 (EoE) は好酸球増加を伴う食道のアレルギー性炎症性疾患である。
ここでは,機械学習を用いてeoeを識別,定量化し,診断することを目的とした。
PECNet は無傷好酸球を平均絶対誤差 0.611 で定量し、EoE 病活性を98.5% の精度で分類することができた。
論文 参考訳（メタデータ） (2021-03-02T20:37:57Z) - Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。
本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。
私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文 参考訳（メタデータ） (2021-02-11T09:04:45Z) - Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment
with Deep Learning Computer Vision [0.7915536524413249]
好酸球性食道炎(英: eosinophilic esophagitis, eoe)は炎症性食道疾患である。
深部画像分割を用いた好酸球の自動定量手法を提案する。
U-Netモデルと後処理システムを適用して、EoEを診断し、疾患の重症度と進行を記述できる好酸球に基づく統計データを生成する。
論文 参考訳（メタデータ） (2021-01-13T20:01:48Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - A Novel Transferability Attention Neural Network Model for EEG Emotion
Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。
TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。
これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文 参考訳（メタデータ） (2020-09-21T02:42:30Z)
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。